手元のRTX 3060(VRAM 12GB)+メインメモリ32GBという構成でOllamaを動かし、リポジトリ全体を読ませて複数ファイルをまたぐ開発支援を回していると、「今の設定からコンテキスト長をまだ増やせるか」「どのサイズのモデルを選ぶのが現実的か」という線引きに必ず突き当たる。GPU使用率の表示だけを見て限界だと誤解しがちだが、実際に速度と安定性を決めているのは専用VRAMの空き容量とモデルの構造だ。
1. GPU使用率ではなく「専用VRAM 8.7 / 12.0 GB」を見る
タスクマネージャや監視ツールで「GPU使用率 93%・温度 67度」と出ていると、一見するとマシンが限界スレスレで悲鳴を上げているように見える。しかしLLMの推論中はGPUコアをフル回転させるため、使用率が90〜100%に張り付くこと自体は正常な挙動だ。
コンテキスト長(Context Length)を増やす余地があるかを見極めるうえで本当に見るべきなのは、専用VRAMの使用量になる。実測で専用VRAMが 8.7 / 12.0 GB(空き約3.3GB・共有GPUメモリ 0.8 / 16.0 GB)に収まっている状態なら、まだ3GB以上の余裕がある。32K前提で動かしている環境なら、まず48Kへ引き上げてもVRAM内に収まりきる可能性が高い。

2. コンテキスト長の現実的な境界とモデル選定
ただしコンテキスト長は増やせば増やすほどKVキャッシュがVRAMを食い潰すため、12GB GPUには越えると急激に遅くなる境界がある。
| 設定・モデル例 | VRAM / RAM 占有の目安 | RTX 3060 12GB での動き |
|---|---|---|
| 32K context | 8.7 GB 前後 | かなり余裕があり安定・高速 |
| 48K context | 10〜11.5 GB 前後 | おすすめ。VRAM内に収まりやすい |
| 96K〜128K context | 12 GB 超過 | 共有RAMへ退避し、生成速度が大きく低下 |
Qwen3.5 9B Q4(6.6GB) | VRAM内で完結 | 圧倒的に軽く速い。日常の実装ループ向き |
North Mini Code 1.0 30B(19GB Q4) | RAM併用(MoE実働約3B) | 大規模読解・計画向き。速度と知能の妥協点 |
3. WSL+開発エージェント設定変更時の再起動トラップ
WSL環境でOpenCode等のエージェントとOllamaを連携させているとき、--headless 設定の変更やコンテキスト上限の書き換えを行っても、すでに起動済みのMCPプロセスには設定が反映されないことがある。
動作が切り替わらないときは「実行中タスクを Ctrl+C で停止 → エージェントを一度終了 → 設定変更 → 再起動」という手順を踏むのが確実だ。タスクの進行状態自体はコード側の保存済みファイルに残るため、再起動後に「続きから現在の変更を確認して進めて」と指示すれば問題なく復旧できる。
4. VRAM 12GB環境を長く快適に回す基準
RTX 3060 12GBは「48K前後までの9B〜14B量子化モデルを完全VRAM内で高速に回す」のが最も得意な領域だ。共有メモリへ溢れさせて1トークン数秒待ちになるより、VRAM枠に収まるコンテキスト長とモデルサイズを見極めて回転数を上げる方が、結果的に開発のテンポが良くなる。
手元のブラウザ側でのマシン処理感や負荷の基準を見たいときは、端末ベンチマークツールで環境ごとの処理速度を測っておくと比較しやすい。






