RTX PRO 5000 Blackwell
RTX PRO 5000 Blackwell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541トークン/秒です。
- メモリ
- 48GB（VRAM）
- メモリ帯域幅
- 1,344GB/s
- ボード電力
- 300W
- 発売
- 2025年
- 入手方法
- ワークステーション向け
RTX PRO 5000 BlackwellをローカルLLM動作チェッカーで開く
RTX PRO 5000 Blackwellで動くモデルの一覧
RTX PRO 5000 Blackwell（48GB）がGPUで使えるメモリは48GBで、メモリ帯域幅は1,344GB/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45.6GB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、45.6GB以下なら収まり、40.8GB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48GB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
Muse Glimmer 30Bが、このGPUを最も有効に使えるモデルです。使うのは48GBのうち18.7GBで、生成速度は推定54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。131,072トークンのコンテキストを確保できます。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541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33.5GB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。48GB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 |
|---|---|---|
| Muse Glimmer 30B | 131,072トークン | 131,072トークン |
| Qwen3 32B | 40,960トークン・モデルの上限 | 40,960トークン・モデルの上限 |
| Gemma 4 31B | 131,072トークン | 131,072トークン |
| Granite 4.2 30B | 104,448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、Granite 4.2 30Bが104,448トークンから131,072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48GBです。注意が必要なほど近い値です。48GBそのものには収まっていて、このサイトが収まる判定に使う95%のラインを超えているだけです。ディスプレイをつないだGPUでは動かないものと考えてください。ディスプレイをつないでいないGPUで、コンテキストを短くすれば動きます。Q3_K_Mに下げると約37.7GBが必要で、収まりますが、Q3は品質の低下が大きいため、たいていは小さなモデルをQ4で動かすほうが良い選択です。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
48GB以上を毎日、静かな2スロットのカードで使うなら買う価値があります。32GBに収まるモデルなら5090のほうが速く、たまに大きな処理を動かすだけなら、48GB以上のGPUを必要な時間だけ借りるほうが、所有するよりはるかに安く済みます。
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300W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
2スロット・300Wのカードに1,344GB/sの48GBを載せたGPUで、同じ速さの72GB版もあります。
48GBのGPUならどれにでも収まるモデルが収まり、RTX 6000 Adaより40%速く読み出します（1,344GB/s対960GB/s）。このサイトで扱う48GBのGPUの中で最も速いGPUです。それでも帯域幅は5090の4分の3なので、5090に収まるモデルなら、コンシューマー向けの5090のほうが速く動きます。72GB版も同じ1,344GB/sで読み出し、消費電力も同じ300Wです。
得意なこと
- 1,344GB/sは、同じ48GBのRTX 6000 Adaより40%、RTX A6000より4分の3速い値です。
- 2スロット・300Wで、ECCメモリを搭載しています。
- Blackwell世代なので、FP4の重み形式がネイティブで動き、MIGでGPUを2つの独立したインスタンスに分割できます。
向かないこと
- 帯域幅は5090の4分の3です。32GBに収まるモデルなら、5090のほうが速く生成します。
- BlackwellにはCUDA 12.8以降に対応した、新しいビルドのPyTorchやllama.cppが必要です。古い環境ではこのGPUが使われません。
- 価格はプロ向けハードウェアのもので、お金で買えるのは容量、ECC、消費電力で、速度ではありません。
よくある誤解：RTX PRO 5000 Blackwellには48GB版と72GB版の2種類があり、NVIDIAは両方に1つの帯域幅と1つの消費電力の数値（1,344GB/sと300W）を載せています。72GB版は、同じ速度の上限で1.5倍を保持できます。このページは48GB版で計算しています。「RTX PRO 5000」としか書かれていない掲載では、どちらなのかわかりません。
ほかの選択肢との比較
- RTX PRO 6000 Blackwell：96GB・1,792GB/s・最適なモデルはLlama 3.3 70B、約31トークン/秒。96GBと5090クラスの帯域幅を、1枚で備えたGPUです。
- RTX 5090：32GB・1,792GB/s・最適なモデルはMuse Glimmer 30B、約73トークン/秒。メモリ帯域幅で、快適に動かせる範囲を変えた初めてのコンシューマー向けGPUです。
- RTX 6000 Ada：48GB・960GB/s・最適なモデルはMuse Glimmer 30B、約39トークン/秒。普通のPCに48GBを、300Wで、騒音なしに載せられるGPUです。
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 5000 Blackwell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48GB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 5000 Blackwellで動かすのに最適なモデルは？
- Muse Glimmer 30Bです。Q4_K_M・8kコンテキストでは、使える48GBのうち約18.7GBを使い、生成速度は推定54トークン/秒で、体感は「チャットなら快適」です。Q8でも約33.5GBで収まるので、収まるならQ8を選ぶ価値があります。
- RTX PRO 5000 Blackwell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。1,344GB/s・効率70%で、このGPUは8BのモデルをQ4で推定203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541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。203は1,344GB/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48GB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Muse Glimmer 30B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 5000 BlackwellとRTX PRO 6000 Blackwellのどちら？
- RTX PRO 6000 Blackwellのほうが多く保持できます（96GB対48GB）。そのため、このGPUの28モデルに対して、34モデルが動きます。速度では、RTX PRO 6000 Blackwellのほうが速く、1,792GB/s対1,344GB/sです。チャットの速さを決めるのは帯域幅です。
- AIにはRTX PRO 5000とRTX 5090のどちら？
- 5090はメモリを3分の1速く読み出す（1,792GB/s対1,344GB/s）ので、両方に収まるモデルなら速く生成します。PRO 5000は48GB（大きい版は72GB）を保持でき（5090は32GB）、消費電力は300W（5090は575W）で、ECCメモリを搭載しています。容量で選びましょう。動かすモデルが32GBに収まるなら5090、収まらないならPRO 5000です。
- RTX PRO 5000 72GBのメモリ帯域幅は？
- 48GB版と同じ1,344GB/sです。NVIDIAの仕様表は、両方に共通の帯域幅を1つと、300Wという消費電力を1つだけ載せています。72GB版は1.5倍を保持できるので、同じ速度の上限でより大きなモデルが収まります。
- 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17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）：48GB、1,344GB/s、300W。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。