RTX PRO 6000 Blackwell

Llama 3.3 70Bが、このGPUを最も有効に使えるモデルです。使うのは96GBのうち45.8GBで、生成速度は推定31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Mistral Small 4 119B (MoE)で、必要量は72.5GB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6.5Bだけなので、2つのうち速いのはこちらで、推定333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81GB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。

この表のモデルはすべてFP16の時点で上限に達しているため、KVキャッシュを量子化しても得るものはありません。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。

この一覧に届かないモデルはありません。扱っているモデルはすべてQ4_K_M・8kコンテキストで収まるため、突き当たる限界はパラメータ数ではなく、コンテキスト長とバッチサイズです。

96GBを手元で日常的に必要とする場合だけ買いましょう。70Bをたまに動かすだけなら、同じクラスのGPUを月に数時間借りるほうが、比べものにならないほど安く済みます。

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600W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。

レンタルなら、RTX PRO 6000（クラウドで使われるServer Edition）は1時間$1.69から借りられます（RunPod Community・第三者のホスト）。マシンを自社で運用する事業者では$1.80です（Nebius）。オンデマンド・税抜きの料金で、2026年10月19日に確認しました。全事業者の料金はクラウドGPUの料金ガイド（英語）にあります。

• 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。
• A100：80GB・2,039GB/s・最適なモデルはLlama 3.3 70B、約35トークン/秒。データセンターで長く使われてきた主力のGPUで、肝心なところは今も速く、安く借りられます。

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。