本文へスキップ
GTX 1060 6GB のCPUボトルネック診断｜相性の良いCPU・動かせるAIモデル
GeForce GTX 1060 6GB / NVIDIA 製 / GTX 10 / 2016年発売 別表記: GTX1060 / 1060
GeForce GTX 1060 6GB（NVIDIA製・2016年発売、GTX1060 / 1060 とも表記）は、性能スコア8,500・VRAM 6GBのグラフィックボードです。
CPUとの相性（性能バランス）が崩れるとCPUボトルネックが起き、GTX 1060 6GBの実力を出しきれません。
当サイトの試算では、GTX 1060 6GBと最も相性の良いCPUはCore Ultra 5 238V（推定ボトルネック率 約0%）でした。
下では相性の良いCPU TOP10・避けたいCPUの目安と、このVRAMで動かせる生成AIモデルをまとめています。
🔧 GeForce GTX 1060 6GB と相性の良いおすすめ CPU TOP10
理想比 (CPU:GPU = 1.5:1) に近い CPU から順に表示。ボトルネック率が低いほどこのGPUの性能を引き出せます。
1. Core Ultra 5 238V
19,000点
ボトルネック 0%
2. Core Ultra 7 165U
17,000点
ボトルネック 0%
3. Core Ultra 5 135U
15,000点
ボトルネック 0%
4. Ryzen 3 5300G
15,000点
ボトルネック 0%
5. Ryzen 5 3500X
17,000点
ボトルネック 0%
6. Ryzen 3 3300X
15,000点
ボトルネック 0%
7. Ryzen 3 3100
13,000点
ボトルネック 0%
8. Ryzen 7 2700
18,000点
ボトルネック 0%
9. Ryzen 5 2600X
16,000点
ボトルネック 0%
10. Ryzen 5 2600
15,000点
ボトルネック 0%
💡 GTX 1060 6GB とCPUの相性目安｜どこからCPUボトルネックになる？
GTX 1060 6GB（GTX1060 / 1060） の性能スコアは8,500点。
チェッカー本体と同じ「CPU:GPU ≒ 1.5:1」基準で換算すると、組み合わせるCPUのスコア別の相性は次のとおりです。
| 組み合わせるCPUのスコア | 判定 | 状態の目安 |
|---|
| 11,475点 〜 19,125点 |
相性◎ 10%以下 |
最適バランス。GTX 1060 6GB の性能をほぼ引き出せます |
| 9,563点 〜 11,475点 |
許容 10〜25% |
実用上は問題なし。高fps狙いなら次の買い替え候補に |
| 9,563点未満 |
CPU不足 25%超 |
CPUボトルネックが顕著。例: Core i7-5775C、AMD FX-8370、Core i5-7600K、AMD FX-8350 |
| 19,125点超 |
CPU過剰 |
ゲーム主体ならオーバースペック気味。例: Core i5-12400F、Ryzen 7 2700X、Core i5-12400 |
※ 解像度やゲームタイトルによって体感は変わります（4KではGPU側、フルHD高fpsではCPU側が効きやすい）。正確な数値は
ボトルネックチェッカーで計算できます。
🤖 GeForce GTX 1060 6GB (VRAM 6GB) で動かせる AI モデル
余裕で動く: 推奨VRAMを満たす /
ぎりぎり動く: 最低VRAMを満たす (品質落とすか量子化必要)
🎨 画像生成
余裕
SD 1.5 (Q4量子化)
画像生成
GGUF Q4_K_M、超軽量
最低 2GB / 推奨 4GB
余裕
Stable Diffusion 1.5
画像生成
基本画像生成
最低 4GB / 推奨 6GB
余裕
SDXL (Q4量子化)
画像生成
GGUF Q4_K_M、低VRAM
最低 4GB / 推奨 6GB
余裕
Real-ESRGAN x4
画像生成
画像アップスケール
最低 4GB / 推奨 6GB
△ ぎりぎり
SDXL Turbo
画像生成
1stepリアルタイム
最低 6GB / 推奨 8GB
△ ぎりぎり
SDXL Lightning
画像生成
2-8step高速版
最低 6GB / 推奨 8GB
△ ぎりぎり
SDXL (Q8量子化)
画像生成
GGUF Q8_0、ほぼフル品質
最低 6GB / 推奨 8GB
💬 大規模言語モデル (LLM)
余裕
Qwen 2.5 0.5B (Q4)
大規模言語モデル (LLM)
最軽量・組込み向け
最低 1GB / 推奨 2GB
余裕
Qwen 2.5 1.5B (Q4)
大規模言語モデル (LLM)
超軽量・スマホ可
最低 2GB / 推奨 3GB
余裕
Phi-3 mini 3.8B (Q4)
大規模言語モデル (LLM)
Microsoft小型高性能
最低 3GB / 推奨 4GB
余裕
Gemma 3 4B (Q4)
大規模言語モデル (LLM)
Google軽量モデル
最低 3GB / 推奨 4GB
余裕
Llama 3.2 3B (Q4)
大規模言語モデル (LLM)
Meta小型・モバイル
最低 3GB / 推奨 4GB
余裕
Llama 3.2 1B (Q4)
大規模言語モデル (LLM)
Metaモバイル最小
最低 2GB / 推奨 3GB
余裕
Mistral 7B (Q2)
大規模言語モデル (LLM)
極限量子化・要妥協
最低 3GB / 推奨 4GB
余裕
Mistral 7B (Q4)
大規模言語モデル (LLM)
高効率・推奨設定
最低 5GB / 推奨 6GB
余裕
Qwen3 8B (Q4)
大規模言語モデル (LLM)
2025年世代・思考モード切替対応の高効率8B
最低 5GB / 推奨 6GB
△ ぎりぎり
Mistral 7B (Q5)
大規模言語モデル (LLM)
バランス量子化
最低 6GB / 推奨 7GB
△ ぎりぎり
Llama 3.1 8B (Q4)
大規模言語モデル (LLM)
Meta・チャット標準
最低 6GB / 推奨 8GB
△ ぎりぎり
Qwen 2.5 7B (Q4)
大規模言語モデル (LLM)
日本語強い・Alibaba
最低 5GB / 推奨 7GB
△ ぎりぎり
Gemma 2 9B (Q4)
大規模言語モデル (LLM)
Google中型
最低 6GB / 推奨 8GB
△ ぎりぎり
DeepSeek-R1 Distill 7B
大規模言語モデル (LLM)
推論特化・軽量
最低 5GB / 推奨 7GB
△ ぎりぎり
ELYZA-Llama 8B (Q4)
大規模言語モデル (LLM)
日本語特化Llama
最低 6GB / 推奨 8GB
△ ぎりぎり
Qwen3.5 9B (Q4)
大規模言語モデル (LLM)
2026年2月版・262Kロングコンテキスト
最低 6GB / 推奨 8GB
🎙️ 音声・音楽
余裕
Whisper Tiny
音声・音楽
極軽量音声認識
最低 1GB / 推奨 2GB
余裕
Whisper Small
音声・音楽
軽量音声認識
最低 2GB / 推奨 3GB
余裕
Whisper Medium
音声・音楽
標準音声認識
最低 5GB / 推奨 6GB
余裕
XTTS v2 (音声複製)
音声・音楽
声色クローンTTS
最低 4GB / 推奨 6GB
△ ぎりぎり
Whisper Turbo
音声・音楽
Large精度・高速
最低 6GB / 推奨 8GB
△ ぎりぎり
RVC (リアルタイム声変換)
音声・音楽
配信向け声変換
最低 4GB / 推奨 8GB
△ ぎりぎり
Bark TTS
音声・音楽
多言語感情表現TTS
最低 6GB / 推奨 8GB
△ ぎりぎり
MusicGen Medium
音声・音楽
Meta・音楽生成
最低 6GB / 推奨 8GB
△ ぎりぎり
AudioCraft / AudioGen
音声・音楽
効果音生成
最低 6GB / 推奨 10GB
🎯 AI学習・ファインチューニング
△ ぎりぎり
LoRA学習 (SD1.5)
AI学習・ファインチューニング
キャラ・スタイル学習
最低 6GB / 推奨 8GB
動かないモデル (60件)
- Stable Diffusion XL (必要 8GB)
- Pony Diffusion v6 (必要 8GB)
- Animagine XL (必要 8GB)
- Flux.1 [schnell] (必要 8GB)
- Flux.1 [dev] (Q4) (必要 8GB)
- Flux.1 [dev] (Q5) (必要 10GB)
- Flux.1 [dev] (Q8) (必要 12GB)
- Flux.1 [dev] FP16 (必要 16GB)
- Flux.1 [pro] / Krea (必要 24GB)
- ControlNet + SDXL (必要 10GB)
- IP-Adapter SDXL (必要 8GB)
- Stable Cascade (必要 12GB)
- Kolors (必要 12GB)
- LoRA学習 (SDXL) (必要 12GB)
- DreamBooth (SDXL) (必要 16GB)
- Flux LoRA学習 (必要 16GB)
- Llama LoRA (7B) (必要 12GB)
- Llama QLoRA (70B) (必要 24GB)
- Stable Video Diffusion (必要 12GB)
- AnimateDiff (SD1.5) (必要 8GB)
- AnimateDiff (SDXL) (必要 12GB)
- CogVideoX-2B (必要 12GB)
- CogVideoX-5B (必要 18GB)
- HunyuanVideo (Q4) (必要 16GB)
- HunyuanVideo フル (必要 60GB)
- Mochi-1 (Genmo) (必要 24GB)
- LTX-Video (必要 12GB)
- Wan 2.1 (必要 24GB)
- Mistral 7B (Q8) (必要 8GB)
- Llama 3.1 8B (Q5) (必要 7GB)
- Llama 3.1 8B (Q8) (必要 10GB)
- Llama 3.1 8B (BF16) (必要 16GB)
- Phi-4 14B (Q4) (必要 9GB)
- Qwen 2.5 14B (Q4) (必要 9GB)
- Qwen 2.5 32B (Q4) (必要 19GB)
- Llama 3.3 70B (Q2) (必要 28GB)
- Llama 3.3 70B (Q4) (必要 40GB)
- Llama 3.3 70B (Q8) (必要 70GB)
- Mixtral 8x7B (Q4) (必要 24GB)
- Mixtral 8x22B (Q4) (必要 80GB)
- DeepSeek-R1 Distill 32B (Q4) (必要 19GB)
- DeepSeek-V3 (Q4) (必要 80GB)
- Command-R 35B (Q4) (必要 20GB)
- Command-R+ 104B (Q4) (必要 60GB)
- Qwen 2.5 72B (Q4) (必要 40GB)
- Swallow 70B (Q4) (必要 40GB)
- LLaVA 1.6 7B (Q4) (必要 7GB)
- Qwen2-VL 7B (Q4) (必要 7GB)
- Qwen3 14B (Q4) (必要 8GB)
- Qwen3 30B-A3B (Q4) (必要 16GB)
- Qwen3 32B (Q4) (必要 19GB)
- Qwen3.5 27B (Q4) (必要 14GB)
- Qwen3.5 35B-A3B (Q4) (必要 18GB)
- Qwen3.6 27B (Q4) (必要 14GB)
- Qwen3.6 35B-A3B (Q4) (必要 18GB)
- Gemma 3 12B (Q4) (必要 7GB)
- Gemma 3 27B (Q4) (必要 14GB)
- Whisper Large v3 (必要 10GB)
- MusicGen Large (必要 10GB)
- Stable Audio Open (必要 8GB)
❓ GTX 1060 6GB のCPUボトルネック・相性のよくある質問
GTX 1060 6GB（GTX1060 / 1060） のCPUボトルネックを抑えるおすすめCPUは？
当サイトの試算では「Core Ultra 5 238V」が最もバランスが良く、推定ボトルネック率は約0%です。CPUとGPUの性能比が 1.5:1 に近い構成ほど性能を引き出せます。相性の良いCPU TOP10はこのページの表で確認できます。
GTX 1060 6GB と相性の悪いCPU・避けたほうがいいCPUは？
目安として、CPUスコアが9,563点未満のCPUだとボトルネック率が25%を超え、GeForce GTX 1060 6GB の性能をかなり無駄にします。例えば Core i7-5775C、AMD FX-8370、Core i5-7600K、AMD FX-8350 などのクラスでは力不足です。逆に19,125点を大きく超えるCPUはゲーム用途ではオーバースペック気味になります。
GeForce GTX 1060 6GB のVRAMは何GB？どんな生成AIが動く？
GeForce GTX 1060 6GB のVRAMは6GBです。Stable Diffusion や LLM など約17種類のモデルが余裕で動作します（例：SD 1.5 (Q4量子化)・Stable Diffusion 1.5・SDXL (Q4量子化)）。
GeForce GTX 1060 6GB はゲームと生成AIのどちらにも使える？
性能スコアは8,500点です。ゲーム用途ではCPUとのバランス（ボトルネック率）、生成AI用途ではVRAM（6GB）が重要になります。上のCPU TOP10とAIモデル一覧で、自分の使い方に合うかを確認できます。