RTX PRO 4000 Blackwell SFF
RTX PRO 4000 Blackwell SFFは、このサイトで扱う34のオープンモデルのうち28モデルを、Q4_K_M・8kコンテキストで動かせます（2026年10月16日に計算）。最大のモデルはQwen3.6 35B-A3B (MoE)で、必要量は22.4GB、生成速度は最大174トークン/秒です。
- メモリ
- 24GB（VRAM）
- メモリ帯域幅
- 432GB/s
- ボード電力
- 70W
- 発売
- 2025年
- 入手方法
- ワークステーション向け
RTX PRO 4000 Blackwell SFFをローカルLLM動作チェッカーで開く
RTX PRO 4000 Blackwell SFFで動くモデルの一覧
RTX PRO 4000 Blackwell SFF（24GB）がGPUで使えるメモリは24GBで、メモリ帯域幅は432GB/sです。以下のモデルはすべて、多くの人が実際に使う設定であるQ4_K_M・8kコンテキストでの値です。5%の安全マージンを差し引くと、使えるのは22.8GBです。何が読み込めるかはメモリが、どれだけ速く応答するかは帯域幅が決めます。どちらも明示した計算式による推定値で、LLM VRAM計算ツールで計算の過程を確かめられます。
このGPUでは、22.8GB以下なら収まり、20.4GBを超えると「ぎりぎり」です。読み込めても会話に使える余裕はほとんどなく、同じ24GBでデスクトップ環境も動かしていると収まらなくなることがあります。トークン/秒は、メモリ帯域幅から求めたシングルストリームの推定値です。≤の付いた数値は上限で、実際のランタイムはこれを大きく下回ります。
計算・2026年10月16日実際に動かすならこのモデル
Gemma 4 12Bが、このGPUを最も有効に使えるモデルです。使うのは24GBのうち8.2GBで、生成速度は推定43トークン/秒（チャットなら快適）、コンテキストにはまだ131,072トークン分の余裕があります。
ベンチマークは引用していないため、選び方を説明します。モデルはサイズで比べ、MoE（Mixture of Experts）モデルは総パラメータとアクティブパラメータの幾何平均で数えます（経験則で、測定ではありません）。メモリに余裕を持って収まり、25トークン/秒以上で応答する最も大きいクラスを選び、その中で最も新しい汎用モデルを選んでいます。コーディングや推論に特化したモデルは上の一覧には載せていますが、標準ではおすすめしていません。
このGPUが保持できる最大のモデルはQwen3.6 35B-A3B (MoE)で、必要量は22.4GBです。ただし、普段使いには向きません。メモリの93%を埋めるため、会話に使えるのは25,600トークンだけです。文書の途中でコンテキストが尽きるなら、パラメータが多くても割に合いません。MoEモデルで、トークンごとに読むパラメータは3Bだけなので、2つのうち速いのはこちらで、推定174トークン/秒です。その代わり、トークンごとにすべての重みを読む密（dense）モデルの深さはありません。
Q8_0でも約14.2GBで収まります。メモリが許すならQ8を選ぶ価値があります。Q4では精度が少し落ちますが、Q8はほぼ劣化がありません。
実際に収まるコンテキスト長
よく聞かれるのはモデルのサイズですが、実際に効いてくるのはコンテキストです。KVキャッシュは会話の長さに比例して大きくなるため、余裕を持って読み込めたモデルでも、長い文書の途中でメモリが尽きることがあります。24GBで使えるコンテキストは、重みを載せた残りの分だけです。同じモデルが動く2つのGPUでも、使い心地がまったく違うことがあるのはそのためです。以下は、Q4_K_Mの重みで、このGPUが保持できる最大のコンテキストです。
| モデル | 最大コンテキスト長（FP16のKV） | Q8のKVキャッシュ |
|---|---|---|
| Gemma 4 12B | 131,072トークン | 131,072トークン |
| Qwen3 32B | 9,216トークン | 18,432トークン |
| Gemma 4 31B | 30,720トークン | 72,704トークン |
| Muse Glimmer 30B | 131,072トークン | 131,072トークン |
KVキャッシュをQ8に量子化すると、保持できる量はおよそ2倍になり、品質の低下はほとんどの人が気づかない程度です。このGPUでは、Qwen3 32Bが9,216トークンから18,432トークンになります。上限は128kトークン、またはそれより小さければモデル自身のネイティブのコンテキスト長で、後者は「モデルの上限」と表示しています。それを超える空きメモリは何の役にも立ちません。サイズの割にはるかに多くのコンテキストを保持できる行は、ハイブリッド構成、スライディングウィンドウ、MLA（Multi-head Latent Attention）のモデルで、標準的なTransformerのほんの一部しかキャッシュしません。計算の過程は各モデルのページにあります。
このGPUの限界
最初に届かなくなるモデルはLlama 3.3 70Bで、Q4_K_M・8kコンテキストで約45.8GBが必要です。使えるメモリは24GBです。Q3_K_Mに下げると約37.7GBが必要で、それでも収まりません。残りをシステムRAMにオフロードすれば動きますが、10〜50倍遅くなります。モデルが動くのを確かめる方法であって、使う方法ではありません。
購入かレンタルか
このGPUを単体で買うことはまれで、小型のワークステーションやAIマシンに組み込まれています。そうしたマシンは、432GB/sの24GBで何が動くかで判断してください。このページはそれを計算しています。より大きなモデルには、2台目のマシンを買う代わりに、必要な時間だけ大きなGPUを借りる方法があります。
ワークステーション向けGPUは店頭価格ではなく見積もりで販売されるため、載せられる数字はひとつに決まりません。実際に検討している価格を、電気料金と実際の月間使用時間とあわせて購入とレンタルの比較ツールに入れてください。このGPUが負荷時に70Wを使うことは、ツールにすでに入っています。所有するほうが安くなる月がわかり、そうならない場合はそれがわかります。決め手になるのは、価格よりも月間の使用時間であることがはるかに多いです。
率直な評価
小型のAIマシンに組み込まれるタイプの、24GB・70Wの小さなGPUです。
24GBのGPUならどれにでも収まるモデルがそのまま収まるので、動くモデルの一覧は4090と同じです。70Wの代償は速度です。メモリを432GB/sで読み出し、これは4090の1,008GB/sの半分未満なので、同じモデルでも速度の上限は半分未満です。このトレードオフは一日中動かす静かなマシンには合いますが、速度が目的なら選ぶべきGPUではありません。
得意なこと
- 70Wなので、常時動かし続ける小型で静かなマシンに向いています。
- ECC付きの24GBで、容量は4090と同じです。
- Blackwell世代なので、FP4の重み形式がネイティブで動きます。
向かないこと
- 432GB/sは4090の1,008GB/sの半分未満です。同じモデルでも、速度の上限は半分未満になります。
- 2種類あるRTX PRO 4000のうち、遅いほうです。フルサイズ版は672GB/sで読み出します。
- どの24GBのGPUでも同じですが、Q4の70Bのモデルにはその2倍近くのメモリが必要です。
よくある誤解：GhostのパーソナルAIコンピューター「Core」の仕様ページには、432GB/sと770 AI TOPSと書かれています。これはNVIDIAがこのSFF Editionについて公表している数値で、フルサイズ版のものではありません。「RTX PRO 4000」とこれらの数値を載せているマシンなら、中身はこのGPUです。
ほかの選択肢との比較
- RTX PRO 4000 Blackwell：24GB・672GB/s・最適なモデルはMuse Glimmer 30B、約27トークン/秒。24GBを積んだ、シングルスロット・145Wのワークステーション向けGPUです。
- RTX 4090：24GB・1,008GB/s・最適なモデルはMuse Glimmer 30B、約41トークン/秒。ローカルモデルに関するアドバイスの多くが、暗黙のうちに前提としているGPUです。
- RTX 5060 Ti：16GB・448GB/s・最適なモデルはGemma 4 12B、約45トークン/秒。ハイエンドより下で最も新しい16GBのGeForceで、置き換え対象の4060 Tiから明確に進歩しています。
Ghost CoreからRTX PRO 6000のワークステーションまで、ほかのパーソナルAIコンピューターとの比較はパーソナルAIコンピューターの比較（英語）にあります。
全39種類のGPUはGPU一覧で並べて比較しています。同じ数値をモデルの側から見た表はモデルの適合表（英語）にあります。表を読む代わりに特定の組み合わせを確かめるなら、ローカルLLM動作チェッカーを使ってください。
よくある質問
- RTX PRO 4000 Blackwell SFFで70Bのモデルは動く？
- Q4_K_Mでは、1枚では動きません。Llama 3.3 70Bは8kコンテキストで約45.8GBが必要で、このGPUが使えるのは24GBです。選択肢は、より小さなモデルにするか、コンテキストをごく短くしてより強く量子化するか、2枚に分けるか、必要な時間だけより大きなGPUを借りるかです。
- RTX PRO 4000 Blackwell SFFで動かすのに最適なモデルは？
- Gemma 4 12Bです。Q4_K_M・8kコンテキストでは、使える24GBのうち約8.2GBを使い、生成速度は推定43トークン/秒で、体感は「チャットなら快適」です。Q8でも約14.2GBで収まるので、収まるならQ8を選ぶ価値があります。
- RTX PRO 4000 Blackwell SFFの生成速度は何トークン/秒？
- モデルのサイズ次第です。トークンを生成するたびに、アクティブな重みをすべてメモリから読み出すからです。432GB/s・効率70%で、このGPUは8BのモデルをQ4で推定65トークン/秒で生成します。保持できる最大のモデルのQwen3.6 35B-A3B (MoE)では約174トークン/秒です。人が文章を読む速さは毎秒5〜8語ほどなので、25を超えれば一瞬に感じます。65は432GB/sから求めた上限で、実測ではありません。数値が大きいほど、実際のランタイムはこれを大きく下回ります。
- ローカルLLMに24GBで足りる？
- このサイトで扱う34モデルのうち28モデルが、Q4_K_M・8kコンテキストで動きます。最大で36Bパラメータまでです。本当の試金石はモデルの一覧ではなくコンテキストです。このGPUでGemma 4 12Bを動かすと、メモリが尽きるまでに約131,072トークンを保持できます。
- ローカルモデルにはRTX PRO 4000 Blackwell SFFとRTX PRO 4000 Blackwellのどちら？
- どちらも使えるメモリはほぼ同じなので、動くモデルも同じです。速度では、RTX PRO 4000 Blackwellのほうが速く、672GB/s対432GB/sです。チャットの速さを決めるのは帯域幅です。
- Ghost Coreでは何が動く？
- GhostはRTX PRO 4000 Blackwellを24GB・432GB/sとしており、これはSFF Editionの数値です。そのため、このページがこのGPUについて挙げているモデルが、ここに示した速度の上限で動きます。Q4の70Bのモデルには、24GBの2倍近くが必要です。
- RTX PRO 4000 SFFはローカルLLMに向いている？
- 容量の面では向いています。24GBなので、4090と同じモデルが収まります。速度の面では、このサイトで扱う24GBのGPUの中で最も遅く、432GB/sでは速度の上限が4090の半分未満です。一日中動かす小型で静かなマシンには合いますが、速度を上げるためのアップグレードには向きません。
- メモリ：重み（パラメータ数 × パラメータあたりのバイト数）＋KVキャッシュ（標準的なTransformerでは2 × レイヤー数 × KVヘッド数 × ヘッド次元 × コンテキスト長 × バイト数。スライディングウィンドウ、ハイブリッド構成、MLAのモデルは実際のキャッシュのとおりに計算）＋ランタイム0.5GB＋重みの4%。導出の詳細はLLM VRAM計算ツールにあります。
- 速度：70% × メモリ帯域幅 ÷ アクティブな重みのバイト数。シングルストリーム、バッチ処理なし、プロンプト処理は含みません。実測ではなく上限です。≤の付いた数値（28個中8個）は、トークンごとに読む重みがごく少ないため、実際のランタイムが数値を最も大きく下回る箇所です。詳しくは生成速度（トークン/秒）推定ツールをご覧ください。
- GPUの仕様（メーカーの数値）：24GB、432GB/s、70W。NVIDIAによるこのGPUの公式ページを参照してください。
- モデルのアーキテクチャの値は、各モデルが公開しているconfigから取っています。それぞれの値が何を変えるかは、LLMのセルフホストのガイド（英語）で説明しています。