無料ツール
このAIモデル、自分のPCで動く？
お使いのハードウェアを選んでください。計算はすべてブラウザ内で行われ、データはどこにも送信されません。結果は推定値です.
お使いのハードウェア
結果
GPU ＝VRAMに収まります（高速）。 オフロード ＝メインメモリも必要です（動作しますが大幅に遅くなります。OS用に4GBを確保しています）。 不可 ＝大きすぎます。数値は推定合計GBです。
一部のリンクはアフィリエイトリンクの場合があります。該当する箇所ではその旨を明記します。収益化の仕組み.
自分のGPUに収まる新モデルが出たら通知する
その日に私たちが検証したAIとゲームの注目ニュースと、役立つツールを1つ、短いメールでお届けします。登録受付はまもなく開始します。それまでは、こちらでフォローしてください：RSSフィード.
推定の仕組み
- 重み＝パラメータ数 × 1重みあたりのビット数 ÷ 8。たとえば7Bモデルを16ビットで動かすと約14GBです。1重みあたりのビット数はllama.cppのおおよその値です：Q4_K_M ≈ 4.89、Q5_K_M ≈ 5.70、Q8_0 ≈ 8.5、FP16 = 16（llama.cppの量子化ドキュメント).
- 実行時のオーバーヘッド：重みの10%＋0.5GB。これは私たちの経験則で、実測値ではありません。
- KVキャッシュ（コンテキスト用メモリ）：4Kトークンあたり、パラメータ10億につき約0.0125GB。これは大まかな平均値です。実際の使用量はレイヤー数、アテンションの種類（GQA）、KVキャッシュの量子化によって変わり、この値を大きく上回ることも下回ることもあります。
パラメータ数は、Hugging Faceが各公式モデルリポジトリ（表にリンクあり）について表示している総パラメータ数で、2026年10月30日に取得しました。Mixture-of-Experts（MoE）モデルでは、必要なメモリはアクティブなパラメータ数ではなく総パラメータ数で決まります。一部のモデルは量子化済みで配布されている（例：gpt-ossはMXFP4）ため、実際のファイルはFP16の列より小さい場合があります。正確な値を知るには、モデルページでGGUFファイルのサイズを確認し、コンテキスト用の余裕を加えてください。
モデル一覧は2026年10月30日に更新。2026年のリリース（Gemma 4、Qwen3.8、Nemotron 3.5）を含みます。超大型モデル（DeepSeek V4、Kimi K3、Muse Spark Open）はマルチGPUサーバーが必要なため除外しています。