こんにちは、ローカルAI工房のコーボーです。
「VRAM 12GBのグラボで、ローカルAIはどこまでできるの？」——これ、グラボ選びで一番多い疑問だと思います。カタログには「12GB」としか書いていないのに、SDXLは動くのか、話題のFLUXは載るのか、動画生成は無理なのか、判断材料がどこにもないんですよね。私はAIイラスト制作の実務でRTX 4070 SUPER（VRAM 12GB）を毎日回していて、画像生成も動画生成もローカルLLMも、この12GBで一通り試してきました。この記事では、12GBで「できること」「条件つきでできること」「できないこと」を、私の実測と一般的な目安を分けて一覧にしていきますね。
- VRAM 12GBでできること・できないことの一覧表
- SDXL・FLUX系の画像生成が12GBでどこまで快適か
- 動画生成AI（Wan 2.2）を12GBで動かした実測値と限界
- 12GBで足りる人と16GBに上げるべき人の判断基準
結論：画像生成は主戦力、動画とLLMは条件つき
まず結論からお伝えします。VRAM 12GBは、SDXL系の画像生成なら「実務で毎日使える主戦力」です。一方で、動画生成AIと大きめのローカルLLMは「動くけれど上限がはっきり見える」領域。そして720pの動画生成や大型モデルは、設定でどう粘っても載りません。
VRAM 12GBの位置づけ（2026年8月時点・私の実測＋一般的な目安）
・できる：SDXL系イラスト生成（LoRA併用・高解像度化込み）、FLUX系の軽量版、7〜14BのローカルLLM
・条件つき：動画生成（Wan 2.2は576×1024・5秒まで）、SDXLのLoRA学習（設定を詰める前提）
・できない：720p以上の動画生成、fp16のままの大型モデル、32BクラスのLLM
私の考えを先に言っておくと、「画像生成が目的なら12GBで十分戦える。動画かLLMも本気でやるなら16GB」です。私自身、12GBで実務は回っているのに次はRTX 5070 Ti（16GB）へ換装する予定で、その理由もこの記事の後半でそのまま書きますね。
12GBでできること・できないこと一覧表
細かい話に入る前に、用途ごとの判定を1枚の表にまとめます。「実測」と書いた行は私のRTX 4070 SUPER環境で実際に確認したもの、「目安」は執筆時点で一般的に言われている数値です。
| 用途 | 12GBでの判定 | 補足 | 根拠 |
|---|---|---|---|
| SDXL系イラスト生成（1024×1024） | ◎ できる | LoRA数本併用しても余裕。毎日の実務で使用中 | 実測 |
| SDXL＋高解像度化（Hires.fix・アップスケール） | ○ できる | 2倍程度までは実用。倍率と一括枚数を欲張ると詰まる | 実測 |
| FLUX系画像生成 | ○ 条件つき | fp8版やGGUF版で動く。fp16版は載らない | 目安 |
| Wan 2.2 動画生成（576×1024・5秒） | ○ 条件つき | 1本15〜27分・VRAM約10.3GB。これが実用上限 | 実測 |
| Wan 2.2 動画生成（720×1280） | ✕ できない | CUDA out of memoryで生成不可 | 実測 |
| SDXL LoRA学習 | △ 条件つき | 12GBが実用の下限。省メモリ設定が前提 | 目安 |
| ローカルLLM（7〜9B） | ◎ できる | 4bit量子化で余裕 | 目安 |
| ローカルLLM（12〜14B） | ○ 条件つき | コンテキスト短めなら載る | 目安 |
| ローカルLLM（32B〜） | ✕ できない | 24GB以上が必要 | 目安 |
| RAM 64GB推奨の動画モデル | ✕（RAM側） | VRAMではなくメインメモリで詰まる | 実測（見送り） |
表の中身は執筆時点（2026年8月）のものです。モデルや実行ソフトの更新で条件は変わるので、最新の正確な情報は各モデル・ソフトの公式サイトでご確認ください。
12GBって「中途半端」と言われがちですが、画像生成に限れば全然そんなことないんですよね。限界がはっきり見えている分、逆に判断しやすい容量だと思いますよ。
画像生成：12GBで実務が回る理由
私が「12GBは画像生成の主戦力」と言い切れるのは、実際にこの容量でAIイラスト制作の仕事を毎日回しているからです。どこまで余裕があって、どこで詰まるのかを順に見ていきますね。
SDXL系はLoRAを積んでも余裕がある
私の環境はRTX 4070 SUPER（12GB）に、Stable Diffusion系のローカルUI「Forge Neo」という構成です。SDXL系のモデルで1024×1024前後のイラストを、LoRAを複数枚重ねて、ワイルドカードで大量生成する——という使い方を毎日していますが、VRAM不足で止まることはまずありません。1枚あたりの生成時間も、実務のテンポとして不満はないですね。
一般的な目安でも、SDXL系は「8GBで動くが窮屈、12GBから現実的、16GBあると快適」と言われていて、12GBは「窮屈さを感じずに使える最初のライン」にあたります。8GBだとLoRAを足したり解像度を上げたりするたびに設定で逃げる必要がありますが、12GBならその手間がほぼ消えるんですよ。
もうひとつ地味に大きいのが、Forge系のUIがVRAM管理をかなり賢くやってくれること。モデルの一部をメインメモリに逃がす仕組みが標準で入っているので、12GBの範囲で「載らない」より先に「ちょっと遅い」で済むケースが多いですね。
FLUX系はfp8やGGUFで動く
SDXLより新しく大型のFLUX系モデルは、話が少し変わります。fp16のフル精度版はモデル本体だけで20GBを超えるので、12GBにはそのまま載りません。ただし、精度を落としたfp8版や、GGUFという圧縮形式の版なら12GBで動く、というのが執筆時点の一般的な目安です。
| FLUX系の形式 | モデル容量の目安 | 12GBでの動作 |
|---|---|---|
| fp16（フル精度） | 約23GB | ✕ 載らない |
| fp8 | 約11〜12GB | ○ ギリギリ動く（他の常駐を減らす） |
| GGUF Q5〜Q4 | 約7〜9GB | ○ 余裕あり。画質はfp8に近い |
ここは私の実務の中心がSDXL系なので、実測ではなく一般的な目安として書いています。ポイントは、「FLUXが動くか」ではなく「どの形式のFLUXを選ぶか」で答えが決まること。同じことは2026年に入って増えてきた他の大型画像モデルにも当てはまっていて、配布ページに「fp8」「GGUF」の版があるかを最初に確認する癖をつけると、12GBでもだいたい追いつけますね。
量子化（fp8・GGUF）って何？
モデルの数値の精度を落として容量を圧縮する技術です。fp16→fp8で容量が半分、GGUFのQ4なら4分の1近くまで小さくなります。画質は少し落ちますが、Q4〜Q5程度ならパッと見で分からないことがほとんど。「載らない」を「載る」に変える一番効く手段ですね。
高解像度化と一括生成で詰まる場面
12GBで画像生成が詰まるとしたら、モデルそのものより「1回に処理する量」です。具体的には、高解像度化（Hires.fix・アップスケール）の倍率を上げたときと、バッチサイズ（1回に同時生成する枚数）を増やしたときですね。
私の感覚だと、SDXLで2倍程度の高解像度化までは普通に回ります。ただ、そこからさらに倍率を上げたり、同時生成枚数を増やしたりすると、VRAMがあふれてメインメモリに逃げ、生成時間が急に伸びます。この「あふれた瞬間に遅くなる」現象と、その対処法（タイル分割・バッチを減らす・軽量化オプション）はStable DiffusionのVRAM不足対策でくわしく書いているので、詰まったらそちらを見てください。
ただ、正直に言うと、これは「設定の工夫で普通に回避できる」レベルの詰まり方です。一括生成はバッチサイズ1で回数を増やせば済みますし、高解像度化はタイル処理で逃げられる。画像生成だけなら、12GBで「できない」ことはほぼ無い、というのが実務での実感ですね。
◆コーボーのワンポイント
実務では「1枚を速く」より「たくさん生成して選ぶ」が基本なので、私はバッチサイズを上げずにバッチ回数（繰り返し）を増やす設定にしています。VRAMの消費はバッチサイズに比例して増えますが、回数を増やす分にはほぼ増えません。12GBで一括生成が詰まる人は、まずこの2つの設定を取り違えていないか確認してみてください。生成総数は同じなのに、VRAMの余裕がまるで変わりますよ。
画像生成で12GBが足りなくなる場面は、たいてい「一度に欲張った」ときなんですよね。分けて回せば済む話なので、ここで買い替えを考えるのは早すぎると思いますよ。
動画生成：12GBの実用上限は576×1024
ここからが12GBの限界がはっきり見える領域です。私は2026年8月に、ComfyUIと動画生成AI「Wan 2.2」をこの12GB環境で動かして、どこまでいけるかを一通り試しました。数字は全部、私のRTX 4070 SUPERでの実測です。
Wan 2.2の実測（生成時間・VRAM使用量）
構成は、ComfyUIのポータブル版に、Wan 2.2の画像→動画（i2v）モデル14B fp8版（high／lowの2段構成）、少ないステップで仕上げるための軽量化LoRA、テキストエンコーダのfp8版、という組み合わせです。モデルファイルは合計で約48GB。動かす前に、まずSSDの空きを確認する必要がありますね。
| 解像度・長さ | 結果 | 1本あたりの時間 | VRAM使用量 |
|---|---|---|---|
| 480×832・5秒 | ○ 安定 | 数分〜十数分 | — |
| 576×1024・5秒（81フレーム） | ○ 実用上限 | 約15〜27分 | 約10.3GB（GPU使用率100%） |
| 720×1280・5秒 | ✕ 生成不可 | — | CUDA out of memory |
要するに、12GBで動画生成AIは「動く」。ただし576×1024・5秒が実用上限で、1本に15〜27分かかる、というのが実測の結論です。VRAM使用量が約10.3GBで張り付いているのを見ると、「あと少し上げたい」が物理的に無理なのがよく分かります。
ちなみに、より軽い5B版のモデルも試しましたが、元画像の再現度が14B fp8版より明らかに劣りました。アニメ調イラストを動かす用途なら、12GBでも無理して14B版を使う価値がある、というのが私の感想です。
この時間の長さをどう受け止めるかですが、私は夜間バッチで解決しました。キューに20本積んで寝る→翌朝、約9時間で全部できあがっている、という運用です。1本ずつ待つと使い物にならない速度でも、まとめて夜に回せば12GBでも「動画工場」にはなるんですよ。ただしPCのスリープ設定を切っておかないと途中で止まります。これは私が実際にやらかしました。
◆コーボーのワンポイント
12GB環境で動画生成をやるなら、最初の1本は480×832で「動くこと」だけ確認するのがおすすめです。いきなり576×1024で始めると、設定ミスに気づくまでに20分かかります。それと、VRAM不足で落ちた後はCUDAが不安定になるので、エラーが出たらComfyUIごと再起動してください。「落ちた後に同じ設定でもう一度」は、たいてい再現しませんよ。
720pはOOMで落ちる／RAMが次の壁になる
720×1280は、設定をどう変えてもCUDA out of memory（VRAM不足エラー）で落ちました。これは「頑張れば」の余地がなく、12GBの物理的な壁です。720pの動画をローカルで作りたいなら、執筆時点では16GB以上が現実的な入口になります。動画生成AIの環境構築の手順と、解像度ごとの目安は動画生成AIをローカルで始める方法にまとめています。
そしてもうひとつ、動画生成で気づいたのがメインメモリ（RAM）が次のボトルネックになることです。2026年8月に公開された別の動画生成モデルを試そうとしたら、推奨がRAM 64GB。私のPCは32GBなので見送りました。VRAMは足りていても、モデルの読み込みや処理の一時置き場としてRAMを大量に使うモデルが増えていて、「VRAMの次はRAM」という流れが動画系では始まっていますね。
動画生成をやるならRAMも見ておく
画像生成ではRAM 32GBで困ることはほぼありませんが、動画生成モデルは64GB推奨のものが出てきています。グラボの買い替えを検討するとき、RAMの増設（32GB→64GB）も一緒に見積もっておくと、次の壁に当たったときに慌てません。
「576×1024で20分」と聞くと絶望しそうですが、寝ている間に20本できていると印象が変わるんですよね。12GBは、動画生成を「試す」には十分で、「本気でやる」には足りない。その境目がはっきりしているのはありがたいですよ。
LoRA学習とローカルLLMは条件つき
画像生成と動画生成の間くらいに位置するのが、LoRA学習とローカルLLMです。どちらも12GBで「できる」のですが、上限が見えやすい領域なので、条件をはっきりさせておきますね。
LoRA学習は設定を詰めれば動く
自分のキャラや画風をモデルに覚えさせるLoRA学習は、一般的な目安としてSDXL系で12GBが実用の下限、16GBあると快適と言われています。12GBで動かす場合は、解像度を1024より少し落とす、バッチサイズを1にする、勾配チェックポイントや8bitの最適化といった省メモリ設定を有効にする、といった工夫が前提になりますね。
ここは私の実務では「LoRAを使う」側が中心なので、学習の数字は一般的な目安として書いています。ただ、周囲の話を聞いていても「12GBで学習はできるが、設定の調整に時間がかかる」「16GBにしたら設定を気にせず回せるようになった」という声が多く、学習を本格的にやる人ほど16GBの恩恵が大きい領域だと思いますよ。
ローカルLLMは14Bまで
ローカルLLMは、4bit量子化のモデルで7〜9Bクラスなら余裕、12〜14Bクラスはコンテキスト（会話の記憶量）を控えめにすれば載る、というのが12GBの守備範囲です。32Bクラスになると24GB以上が必要で、12GBでは一部をメインメモリに逃がすことになり、速度が数分の一に落ちます。
画像生成用に12GBを積んだPCなら、雑談・要約・翻訳程度のローカルLLMはそのまま実用になります。逆に「コーディング補助で本気で使いたい」「クラウド並みの賢さがほしい」となると、12GBでは物足りなくなりますね。モデルサイズごとの必要VRAMはローカルLLMに必要なVRAMとスペックに早見表があるので、使いたいモデルが載るかはそちらで確認してみてください。
LoRA学習もLLMも、12GBは「できるけど、設定を気にしながら」なんですよね。気にする時間を買うのが16GB、という考え方をすると、値段の差が納得しやすくなりますよ。
12GBで足りる人・16GBに上げるべき人
ここまでの実測と目安を踏まえて、「あなたは12GBで足りるのか」を判断する材料をまとめます。私自身が12GBから16GB（RTX 5070 Ti）へ換装を決めた理由も、ここで正直に書きますね。
| あなたの用途 | 判定 | 理由 |
|---|---|---|
| SDXL系のイラスト生成が中心 | 12GBで足りる | LoRA併用・高解像度化込みで実務が回る |
| FLUX系など大型モデルも試したい | 12GBで足りる（条件つき） | fp8・GGUF版を選べば動く |
| 動画生成を「試したい」 | 12GBで足りる | 576×1024・5秒までなら実測で動く |
| 動画生成を「本気でやる」（720p以上） | 16GB以上 | 720×1280は12GBでは生成不可 |
| LoRA学習を頻繁にやる | 16GB推奨 | 設定の調整から解放される |
| ローカルLLMで14B以上を快適に | 16GB以上 | コンテキストの余裕が生まれる |
私が16GBに上げると決めた理由は、上の表でいう「動画生成を本気でやる」と「大型モデルの選択肢を広げる」の2つです。画像生成の実務だけなら、12GBのままで正直まったく困っていません。困っていないのに買い替えるのは、720pの動画と、fp8に落とさず使える大型モデルという「12GBでは物理的に届かない場所」に用があるからですね。逆に言うと、そこに用がない人は12GBで十分です。
買い替えのサインを3つ挙げるなら、①CUDA out of memoryが「設定で回避できない形」で出るようになった ②生成のたびにVRAMを気にして設定を変える時間が増えた ③fp8やGGUFに落とすたびに「フル精度で試したい」と思う、です。①は物理的な壁、②③は「気にする時間」の問題で、どちらも設定では解決しないので、これが出たら16GBを見始めていいと思いますよ。
執筆時点（2026年8月）で16GBクラスの候補は、価格を抑えるならRTX 5060 Ti 16GB（おおむね8〜10万円前後）、速度と容量を両取りするならRTX 5070 Ti（18万円台〜）が中心です。12GB止まりのRTX 5070（13万円台〜）は速いのですが、この記事の文脈では「12GBの限界をそのまま引き継ぐ」選択になるので、動画や学習に用がある人はVRAM優先で考えてください（出典：NVIDIA公式 GeForce RTX 50シリーズ）。価格は変動が大きいので、購入時点の実売価格を必ず確認してくださいね。
グラボ単体の換装ではなく、PCごと新調する方は、電源・RAM・ケースをまとめて揃えられるBTOの方が結果的に安く失敗も少ないです。VRAM優先での機種の選び方はAI画像生成向けパソコンおすすめ｜失敗しない選び方でくわしく解説しています。
「困っていないのに買い替える」のは、行きたい場所がはっきりしているときだけでいいんですよね。行き先が画像生成のままなら、12GBはまだまだ現役ですよ。
VRAM 12GBでよくある質問
RTX 4070 SUPER（12GB）はもう古いですか？
画像生成の用途なら、執筆時点でもまったく現役です。私自身がAIイラスト制作の実務で毎日使っていて、SDXL系の生成でVRAM不足に悩むことはほぼありません。古さを感じるのは動画生成で720pに手を出したときと、大型モデルをフル精度で使いたくなったときで、そこに用がなければ買い替えを急ぐ必要はないですよ。
12GBと16GBの差は、体感でどれくらいですか？
画像生成の速度差はグラボの世代や性能による部分が大きく、容量4GBの差だけで劇的に速くなるわけではありません。差が出るのは「載るか載らないか」の場面で、720pの動画生成・フル精度の大型モデル・14B以上のLLMを余裕をもって動かせるかが変わります。速さより「できることの範囲」が広がる、と考えると分かりやすいですね。
VRAM 8GBから12GBに上げる価値はありますか？
SDXL系を使っているなら、8GB→12GBの差はかなり大きいです。8GBはLoRAや高解像度化のたびに設定で逃げる必要がありますが、12GBならその手間がほぼ消えます。ただ、これから新しく買うなら、価格差を見つつ16GBまで視野に入れた方が長く使えると思いますよ。
12GBで動画生成を始めるなら、最初に何を確認すべきですか？
VRAMより先に、SSDの空き容量とメインメモリ（RAM）です。Wan 2.2の構成でモデルファイルが約48GB必要でしたし、RAM 64GB推奨のモデルも出てきています。VRAM 12GBで動く範囲（576×1024・5秒）は確認済みなので、あとは周辺のスペックで止まらないかを見ておくと安心ですね。
設定で粘るか買い替えるか、線引きはどこですか？
「設定で回避できるエラー」なら粘り、「設定をどう変えても出るエラー」なら買い替えを考える、が私の線引きです。画像生成の一括生成や高解像度化は前者、動画の720pは後者でした。加えて、VRAMを気にして設定をいじる時間が増えてきたら、それは容量が足りなくなってきたサインですよ。
まとめ：12GBの限界を知れば、次の一手が決まる
最後に要点をまとめますね。
・VRAM 12GBはSDXL系の画像生成なら実務で毎日使える主戦力。LoRA併用・高解像度化込みで困らない
・FLUX系などの大型モデルはfp8・GGUF版を選べば動く。フル精度版は載らない
・動画生成（Wan 2.2）は576×1024・5秒が実用上限（実測：1本15〜27分・VRAM約10.3GB）。720pは生成不可
・LoRA学習とローカルLLM（14Bまで）は「設定を気にしながらならできる」
・動画系ではVRAMの次にRAM（64GB推奨のモデル）が壁になり始めている
・画像生成が目的なら12GBで十分。動画・学習・大型LLMに用があるなら16GB
12GBは「中途半端」と言われることもありますが、私の実感では「できることと、できないことの境目がはっきりしている容量」です。境目が見えていれば、今のグラボで粘るのか、次に上げるのかを迷わず決められます。あなたのグラボ選びの参考になればうれしいです。
