GeForce RTX 5080 で動くローカルLLM
メモリ: 16 GB / 帯域: 960 GB/s （出典）
Q4_K_M・16GB の場合 推定
| モデル | 必要 | 判定 | 速度 |
|---|---|---|---|
| Llama 3.1 8B Instruct | 6.6GB | ◎ | 約142 tok/s |
| Llama 3.3 70B Instruct | 46.9GB | × | — |
| Qwen2.5 7B Instruct | 6.1GB | ◎ | 約150 tok/s |
| Qwen2.5 14B Instruct | 11.2GB | ◎ | 約77 tok/s |
| Qwen2.5 32B Instruct | 22.8GB | × | — |
| Qwen2.5 72B Instruct | 48.6GB | × | — |
| Qwen3 30B-A3B | 20.8GB | × | — |
| Qwen3 32B | 23.0GB | × | — |
| Gemma 3 12B | 9.2GB | ◎ | 約95 tok/s |
| Gemma 3 27B | 19.0GB | × | — |
| Mistral Small 3.1 24B | 16.9GB | × | — |
| Phi-4 14B | 10.8GB | ◎ | 約81 tok/s |
| gpt-oss-20b | 13.8GB | ◎ | 約204 tok/s |
| gpt-oss-120b | 66.4GB | × | — |
| DeepSeek-R1-Distill-Qwen-14B | 11.2GB | ◎ | 約77 tok/s |
| Llama-3.1-Swallow-8B-Instruct | 6.6GB | ◎ | 約142 tok/s |
| Llama 2 7B (ベンチ基準) | 7.4GB | ◎ | 約169 tok/s |
実測ベンチマーク
| モデル | 量子化 | 生成速度 | 備考 |
|---|---|---|---|
| Llama 2 7B (ベンチ基準) | Q4_0 | 181.99 tok/s | CUDA tg128 出典 |
Strata（Qwen3.8-Flash-Next）
RAM 64GBの場合 推定: IQ3_S 約57〜102 tok/s / IQ3_XXS 約69〜124 tok/s / IQ2_XS 約76〜137 tok/s / Q2_0 約82〜146 tok/s / Coder 約57〜103 tok/s
報告された実測（3件）
| GPU | CPU/RAM | サイズ | 生成速度 | 出典 |
|---|---|---|---|---|
| RTX 5080 | 96GB | 4bit(UD系) | 65 tok/s (60〜70 tok/s と報告) | X |
| RTX 5080 | Ryzen 9 9900X3D / 96GB | IQ3_S | — (80〜98 tok/s（文脈長により）) | GitHub |
| RTX 5080 | (Docker/WSL2) / 64GB | Coder | — (72〜81 tok/s) | GitHub |
購入リンク（準備中）