01
Qwen3 30B-A3Bぎりぎり
ollama run qwen3:30b-a3bプライベートAIの実践ガイド
正しいモデルを、
手元の機材で動かす。
プラットフォームとメモリを選ぶと、保守的な適合判定、推論サーバー、実行できるコマンドが分かります。
Primary-source linked16 languages情報更新 2026-08-31
8 GB
24 GB
80GB
ollama runqwen3:8b
LOCAL / 24G
MEMORY MAP01—80 GB
RECOMMENDED ENVELOPE6 models
余裕あり ぎりぎり
02
Gemma 3 27Bぎりぎり
ollama run gemma3:27b03
ollama run <model-tag>04
gpt-oss-20b余裕あり
ollama run gpt-oss:20b05
Qwen3 14B余裕あり
ollama run qwen3:14b06
Gemma 3 12B余裕あり
ollama run gemma3:12b02 / EVIDENCE FIRST
ランキングではなく地図
総パラメータ、MoEの有効パラメータ、量子化サイズ、対応環境、実測性能を分けて扱います。
Weight fit ≠ speedTotal ≠ active parametersDocs ≠ benchmark
03 / HARDWARE MAP
ノートPCから80GBアクセラレータまで
機材ごとにメモリ予算、推論経路、現実的な上限が異なります。
8GB
Everyday laptop
8 GB CPU laptop
Small text models with short context. Expect patient, private inference rather than speed.
ガイドを開く16GB
No discrete GPU
16 GB CPU desktop
Comfortable with 3B–8B Q4 models; 12B is possible only with reduced context and patience.
ガイドを開く16GB
M-series notebook
Apple silicon · 16 GB
A polished 4B–8B local experience when the OS and apps have enough headroom.
ガイドを開く8GB
RTX 4060 class
NVIDIA · 8 GB
The mainstream 4B–8B tier. Some 12B INT4 builds fit tightly with modest context.
ガイドを開く12GB
RTX 3060 / 4070 class
NVIDIA · 12 GB
Strong 8B–14B Q4 territory for a single user.
ガイドを開く16GB
RTX 4080 / 5080 class
NVIDIA · 16 GB
14B models are comfortable; 20B-class low-bit MoE models are a tight upper edge.
ガイドを開く04 / MODEL FIELD NOTES
代表的なオープンウェイトモデル
05 / SERVING LAYER
目的に合う推論レイヤー
Fastest first run
Ollama
One-command local chat and app integration
ガイドを開くWidest hardware reach
llama.cpp
GGUF models, CPU/GPU offload, embedded and unusual hardware
ガイドを開くBest visual desktop
LM Studio
Discovering, downloading and testing models without a terminal
ガイドを開くApple silicon specialist
MLX LM
Native Apple silicon inference, experimentation and fine-tuning
ガイドを開くThroughput server
vLLM
Linux GPU servers, concurrency and OpenAI-compatible production APIs
ガイドを開くNVIDIA optimized
TensorRT-LLM
Maximum NVIDIA throughput after engine tuning
ガイドを開く06 / METHOD
推定方法
公式サイズと量子化を基にOSと実行環境の余裕を確保し、KVキャッシュは追加負荷として扱います。MoEは総パラメータで判定します。
CONSERVATIVE FITweights + runtime + cache
total params×bits / 8+headroom
No universal tokens/s claims.07 / FAQ
40GBをダウンロードする前に
Does a 24 GB GPU run a 30B model?+
Often at Q4/INT4 with a conservative context. Qwen3 30B-A3B and Gemma 3 27B are representative fits, but cache and runtime overhead still matter.
Are active MoE parameters the memory requirement?+
No. Active parameters affect compute per token; total parameters still need to be stored in memory or offloaded.
Which runtime should a beginner choose?+
Ollama for a terminal-first setup or LM Studio for a visual desktop. llama.cpp is the portable fallback; vLLM is for higher-throughput GPU serving.
Do you benchmark speed?+
Not yet. Launch recommendations are transparent memory-fit estimates backed by primary documentation. We do not invent tokens-per-second numbers.