ローカルLLM実装 Recursive FlintはVRAM 6GBで約25 tok/s
総パラメータ39.8BのMoE「Recursive Flint」を、画面表示と兼用のVRAM 6GBのGPUとRAM 32GBのPCで実測。n-cpu-moeと速度、VRAM・RAMの余裕、同じ8問×3回の結果を掲載。
llama.cpp
ローカルLLM実装 
ローカルLLM実装 Nemotron 3.5 Bolt E4BはVRAM 6GBで約58 tok/s
Nemotron 3.5 Bolt E4Bの量子化3つを、画面表示と兼用のVRAM 6GBのGPUで実測。4GB未満だったのはllama-server単体の専用GPUメモリで、GPU全体は4GBを超えた。思考ONの損得も掲載。
ローカルLLM実装 LFM3-1.7BをVRAM 6GBで実測｜Q4_K_Mで約152 tok/s
LFM3-1.7BのGGUF（Q4_K_M・QAD版Q4_0・Q8_0）をVRAM 6GBのPCとllama.cppで実測。生成は約152 tok/s（Q4_K_M）。同じ8問×3回の正答は15〜18本で、計算問題は全量子化で正解。前回のMiniCPM5-2Bとも並べました。
ローカルLLM実装 VRAM 6GB／12GBで動くローカルLLMまとめ（実測値）
このブログでは、これまでVRAM 6GBのGPUとRTX 4070（12GB）でローカルLLMを動かしてきまし...
ローカルLLM実装 llama-serverが応答しない原因はウイルス対策ソフトでした｜ローカルLLMで踏んだ3つの罠
llama-serverが起動しても応答を返さない。プロセスは生きていてVRAMも確保済み、GPUも回っているのにHTTPだけ返らない。手掛かりはウイルス対策ソフトの検出履歴でした。切り分け手順と、あわせて踏んだ2つの罠を実測値つきで公開します。
ローカルLLM実装 Qwen3.8-27BはRTX 4070 12GBで動くか実測｜GPUに2層多く載せたら19倍遅くなった
Qwen3.8-27B Q4_K_MをRTX 4070 12GBで実測。GPUに載せる層数を42から44に増やすだけでプロンプト処理が19分の1に崩落しました。llama-benchの生データと、別の27Bモデルでの再現結果を公開します。
ローカルLLM実装 Qwythos-27BをRTX 4070 12GBで実測｜1.7 tok/s、VRAM 93.3%、24GBが要る理由
Qwythos-27B-v1 Q4_K_M（実体17.31GB）をRTX 4070 12GBで実測。VRAM最大93.3%、生成1.7 token/s。全層GPU環境との比較から、量子化の選択よりVRAMに収まるかが支配的だと分かりました。
ローカルLLM実装 Qwythos-9B v2でブラウザゲーム生成は改善した？v1 Q5/Q6/Q8・Claude Opus 4.8と比較
Qwythos-9Bの旧版Q5/Q6/Q8と新しいv2 Q8_0をRTX 4070で検証。同じ2Dシューティングを生成し、速度、VRAM、実ブラウザ動作、修正後の完成度をClaude Opus 4.8の参照結果とともにまとめます。
ローカルLLM実装 Qwythos-9Bは32K contextで読める？VRAM 6GB環境で8K/16K/32K prefillを追加検証
Qwythos-9B-Claude-Mythos-5-1M Q4_K_MをVRAM 6GB環境で8K/16K/32K context設定にして追加検証。prefill速度、生成速度、VRAM使用量、長文内の合言葉取得をまとめます。
ローカルLLM実装 Qwythos-9BはVRAM 6GBでどこまで動く？Q4/Q5/Q6を比較検証
Qwythos-9B-Claude-Mythos-5-1MのGGUFを、VRAM 6GBのGPUとllama.cppで実測。Q4_K_M/Q5_K_M/Q6_KのVRAM（約3.9〜4.6GB）と速度、日本語・要約・コードの出来を比較しました。