--- title: "セルフホスト — このマシンに収まるオープンウェイトモデル · Undominated.ai" canonical: https://undominated.ai/ja/self-host/ description: "RAM と GPU メモリから、カタログのオープンウェイトモデルのうち実際に収まるものを順位付けします。品質が先。未評価はゼロではありません。パラメータ数の欠落は推測ではありません。" --- # セルフホスト — このマシンに収まるオープンウェイトモデル · Undominated.ai > RAM と GPU メモリから、カタログのオープンウェイトモデルのうち実際に収まるものを順位付けします。品質が先。未評価はゼロではありません。パラメータ数の欠落は推測ではありません。 # セルフホスト RAM と GPU の有無だけで十分です。ほかはすべて任意です。順位付けは出典のあるパラメータ数に対する算術であり、NVIDIA が勝者を決めるわけではありません。 25 件のカタログ行がオープンウェイトとして印付けされています。それ以外は候補になりません。 25 件が出典のあるパラメータ数を持ちます。残りは推測ではなく「不明」として掲載します。 1 GiB のランタイム余裕。宣言値であり、お使いのマシンで測定した値ではありません。 [CPU 16 GiB](/self-host/cpu-16gb/)[8 GiB GPU](/self-host/8gb/)[10 GiB GPU](/self-host/10gb/)[12 GiB GPU](/self-host/12gb/)[16 GiB GPU](/self-host/16gb/)[20 GiB GPU](/self-host/20gb/)[24 GiB GPU](/self-host/24gb/)[32 GiB GPU](/self-host/32gb/)[40 GiB GPU](/self-host/40gb/)[48 GiB GPU](/self-host/48gb/)[80 GiB GPU](/self-host/80gb/)[94 GiB GPU](/self-host/94gb/)[96 GiB GPU](/self-host/96gb/)[192 GiB GPU](/self-host/192gb/) [RTX 5090](/self-host/rtx-5090/)[RTX 5080](/self-host/rtx-5080/)[RTX 5070 Ti](/self-host/rtx-5070-ti/)[RTX 5070](/self-host/rtx-5070/)[RTX 5060 Ti 16](/self-host/rtx-5060-ti-16/)[RTX 5060 Ti 8](/self-host/rtx-5060-ti-8/)[RTX 5060](/self-host/rtx-5060/)[RTX 5050](/self-host/rtx-5050/)[RTX 4090](/self-host/rtx-4090/)[RTX 4080](/self-host/rtx-4080/)[RTX 4070 Ti](/self-host/rtx-4070-ti/)[RTX 4070](/self-host/rtx-4070/)[RTX 4060 Ti 16](/self-host/rtx-4060-ti-16/)[RTX 4060 Ti 8](/self-host/rtx-4060-ti-8/)[RTX 4060](/self-host/rtx-4060/)[RTX 3090](/self-host/rtx-3090/)[RTX 3080 Ti](/self-host/rtx-3080-ti/)[RTX 3080 12](/self-host/rtx-3080-12/)[RTX 3080](/self-host/rtx-3080/)[RTX 3070 Ti](/self-host/rtx-3070-ti/)[RTX 3070](/self-host/rtx-3070/)[RTX 3060 Ti](/self-host/rtx-3060-ti/)[RTX 3060 8](/self-host/rtx-3060-8/)[RTX 3060](/self-host/rtx-3060/)[RTX A6000](/self-host/rtx-a6000/)[RTX A5000](/self-host/rtx-a5000/)[RTX A4000](/self-host/rtx-a4000/)[RTX 6000 ADA](/self-host/rtx-6000-ada/)[RTX 5000 ADA](/self-host/rtx-5000-ada/)[RTX PRO 6000 Blackwell](/self-host/rtx-pro-6000-blackwell/)[RTX PRO 5000 Blackwell](/self-host/rtx-pro-5000-blackwell/)[A100 80](/self-host/a100-80/)[A100 40](/self-host/a100-40/)[H100 NVL](/self-host/h100-nvl/)[H100](/self-host/h100/)[L40S](/self-host/l40s/)[T4](/self-host/t4/)[RX 7900 XTX](/self-host/rx-7900-xtx/)[RX 7900 XT](/self-host/rx-7900-xt/)[RX 6900 XT](/self-host/rx-6900-xt/)[RX 6800 XT](/self-host/rx-6800-xt/)[MI300X](/self-host/mi300x/) システム RAM GiB GPU なし（CPU） NVIDIA AMD Apple Intel GPU メモリ GiB 当方が掲載するカード名を指定しない限り必須です。Apple の場合は空欄のままに。RAM がプールになります。 GPU 名（任意） GPU 数 OS（任意 — ソフトウェア選定のみ） 省略 Linux Windows macOS 見込むコンテキスト 4K 8K 16K 32K KV キャッシュはこの値とともに増えます。モデルカードの上限は前提にしません。 プロファイル済みのオープンウェイトモデル 25 件のうち 7 件が、コンテキスト 8192 で 24 GiB（vram）に収まります。収まるもので最高評価：Gemma 4 31B（Q5_K_M）。 ** ** ** 重み 21.106 GiB KV 未推定 ランタイム 1 GiB 余裕 1.9 GiB / 24 GiB VRAM as entered. Driver reservation is inside the 1 GiB overhead, not extra. 48 GiB により Gemma 4 31B の量子化が Q8_0 に上がります。同じモデルであり、知能スコアが上がるわけではありません。 ## 収まるモデルの中で 収まるモデル中で LMArena Elo が最高：Gemma 4 31B 1443.4。Elo は人間の選好の尺度であり、知能指数ではありません。 The arena boards are separate scales and are never blended. A missing cell is unmeasured, not zero. A model’s highest axis is relative to its own scores, not a claim it leads the catalogue. ## 収まる評価済みモデル | モデル | 人間の選好 | 収まる量子化 | 推定 GiB | 余裕 | | --- | --- | --- | --- | --- | | [Gemma 4 31B](/models/google__gemma-4-31b-it/) 視覚 動画 推論 ツール | 1443.4 | Q5_K_M | 22.106 | 1.894 | | [Qwen3.8 27B](/models/qwen__qwen3.8-27b/) 視覚 動画 推論 ツール | 1440.7 | Q5_K_M | 20.063 | 3.938 | | [Phi 4](/models/microsoft__phi-4/) | 1216.7 | Q8_0 | 17.438 | 6.563 | - KV heads and head dim are not in the public size table we used. Cache is not estimated. - KV cache not estimated — layer/head geometry is not in the sourced profile. Longer context may not fit. ## 収まる、未評価 - [Muse Glimmer 30B](/models/meta__muse-glimmer-30b/) — Q5_K_M, 21.756 GiB 未評価 視覚 推論 ツール - [Ministral 3 14B 2512](/models/mistralai__ministral-14b-2512/) — Q8_0, 17.019 GiB 未評価 視覚 ツール - [Ministral 3 8B 2512](/models/mistralai__ministral-8b-2512/) — F16, 19.663 GiB 未評価 視覚 ツール - [Ministral 3 3B 2512](/models/mistralai__ministral-3b-2512/) — F16, 9.413 GiB 未評価 視覚 ツール ## 増設で実際に得られるもの 制約は GPU メモリです。システム RAM を増やしても、このカードに追加の重みは載りません。 | 推定 GiB | 解放されるもの | 例 | 希望小売価格 | | --- | --- | --- | --- | | 48 GiB | [Gemma 4 31B](/models/google__gemma-4-31b-it/) — Q8_0 同じモデル、より高い量子化 | rtx a6000, rtx 6000 ada, rtx pro 6000 blackwell | このファイルに一般向け価格はありません | 次に高評価のカタログモデルは Kimi K3 で、Q4_K_M でも 1691.5 GiB を要します。デスクトップ向けカードではありません。 NVIDIA 'Starting at' list prices as published 2026-08-25, not a store quote and not a used-market index. Street prices in August 2026 are often much higher (Tom's Hardware Newegg median RTX 5090 $4,699 vs $1,999 list). Last-gen 24 GB cards (4090, 3090) have no current NVIDIA starting-at in this file. Datacenter cards have no consumer list here. RAM DIMMs are not priced — they move weekly. 増設の判定には順位付けと同じ適合式を用います。希望小売価格は NVIDIA の「〜から」価格で、2026-08-25 時点のものです。実売価格はこれより高いことが多くあります。中古の 24 GB カードやデータセンター GPU にはここでの希望小売価格がありません。RAM モジュールは価格付けしていません。 ## 収まらない、またはプロファイル未取得 - cohere/command-a-plus — even Q4_K_M wants 132.618 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash-vision-exp — even Q4_K_M wants 184.902 GiB; pool is 24 GiB - z-ai/glm-5.3 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - qwen/qwen3.8-2.4t-a95b — even Q4_K_M wants 1450.719 GiB; pool is 24 GiB - moonshotai/kimi-k3 — even Q4_K_M wants 1691.5 GiB; pool is 24 GiB - z-ai/glm-5.2 — even Q4_K_M wants 455.624 GiB; pool is 24 GiB - moonshotai/kimi-k2.7-code — even Q4_K_M wants 604.75 GiB; pool is 24 GiB - nvidia/nemotron-3-ultra-550b-a55b — even Q4_K_M wants 333.063 GiB; pool is 24 GiB - minimax/minimax-m3 — even Q4_K_M wants 259.405 GiB; pool is 24 GiB - deepseek/deepseek-v4-pro — even Q4_K_M wants 967 GiB; pool is 24 GiB - deepseek/deepseek-v4-flash — even Q4_K_M wants 172.465 GiB; pool is 24 GiB - mistralai/mistral-small-2603 — even Q4_K_M wants 73.2 GiB; pool is 24 GiB - mistralai/mistral-large-2512 — even Q4_K_M wants 408.531 GiB; pool is 24 GiB - deepseek/deepseek-v3.2 — even Q4_K_M wants 406.116 GiB; pool is 24 GiB - openai/gpt-oss-120b — even Q4_K_M wants 72.201 GiB; pool is 24 GiB - meta-llama/llama-4-maverick — even Q4_K_M wants 242.5 GiB; pool is 24 GiB - meta-llama/llama-4-scout — even Q4_K_M wants 66.809 GiB; pool is 24 GiB - cohere/command-a — even Q4_K_M wants 68.016 GiB; pool is 24 GiB ## 追加の詳細（任意） 順位付けは変わりません。NVIDIA NIM の最上位モデルを用い、上記の数値に照らしてメモを任意で AI 分析します。 AI で分析 ## この数値の求め方 重み：実測の GGUF サイズがあればそれを、なければ総パラメータ × 重みあたりビット ÷ 8 を用います。Q4_K_M はパラメータあたり 4.83 ビットとして扱います。MoE のメモリは有効パラメータではなく総パラメータで計算します。 KV キャッシュは、層とヘッドの構成に出典がある場合：2 × kvLayers × kvHeads × headDim × コンテキスト × 2 バイト（FP16、バッチ 1）。ハイブリッドモデルは全層ではなくアテンション層数を用います。構成が不明な場合はキャッシュを省き、その旨を明記します。 CUDA とランタイムのために 1 GiB を加算します。Apple のユニファイドメモリは RAM をプールとして使います。CPU のみはメモリ上の適合であって、速度の主張ではありません。DDR 世代は適合判定では無視します。帯域は変わりますが、重みがメモリに載るかどうかは変わりません。 候補となるのは openWeights=true のカタログ行のみです。該当行は 25 件、うち 25 件に出典のあるサイズがあります。収まる未評価モデルは別に掲載します。スコアが高いことは、そのまま置き換えられることを意味しません。 RAM の種類（DDR4/DDR5/LPDDR）は項目にありません。モデルが収まるかどうかは変わりません。 ## Continue your investigation - [Inspect open-weight models · English](/open-weights/) - [Compare model variants · English](/families/) - [Review requirements · English](/compare/) - [Find serving tools · English](/tools/)