Arc Pro B70 の価格・中古相場：実行できるローカルLLMは？
価格アラート
Amazon.jp の価格が設定した金額に達したら、メールでお知らせします。
Arc Pro B70 は Intel の 2026 年の最上位 32GB ワークステーション向けカードで、30B 級 MoE が約 113 tokens/s 出ます。Dense は遅めで、Intel 版 vLLM も未成熟なため個人は llama.cpp が手軽です。
Amazon.jp
Arc Pro B70 の価格推移
Amazon.jp
一部の購入リンクはアフィリエイトリンクです。リンク経由でご購入いただくと当サイトが手数料を受け取ることがありますが、お支払い金額は変わりません。
Arc Pro B70 の詳細スペック
- メモリ32 GB · GDDR6
- 帯域幅608 GB/s
- FP16 / BF16183.5 TFLOPS
- INT8367 TOPS
- バス幅
- 256-bit
- アーキテクチャ
- Xe2 Battlemage (BMG-G31)
- コア
- 4,096
- Tensor コア
- 256
- エコシステム
- oneAPI
- インターフェース
- PCIe 5.0 x16
- 消費電力
- 230 W
- スロット
- 2
- 種別
- ワークステーション
- 発売日
- 2026年3月25日
- 希望小売価格
- ¥150,155
Arc Pro B70 1 枚で動かせるモデルは？
B70 1 枚なら 4-bit で 35B までのモデルがすべて入り、30B 級 MoE は約 110 tokens/s です。8-bit で載るのは 27B 級の Dense までで、15〜16 に落ちます。
| モデル | サイズ | 動作 | 速度 t/s | 最大コンテキスト |
|---|---|---|---|---|
 Gemma 4 E4B8B | 3.8 GB | 動く | 102.9 | 128K |
 Qwen3.5 9B9.7B | 4.1 GB | 動く | 95.4 | 256K |
| Gemma 4 12B12B | 4.7 GB | 動く | 83.5 | 256K |
| Gemma 4 26B A4B25.2B（有効 3.8B） | 10.5 GB | 動く | 117.7 | 256K |
| Qwen3.6 27B27.8B | 11.8 GB | 動く | 36.7 | 256K |
| Qwen3.8 27B27.8B | 9.8 GB | 動く | 43.5 | 256K |
 GLM 4.7 Flash30B（有効 3B） | 11.9 GB | 動く | 129.6 | 198K |
| Gemma 4 31B30.7B | 11.8 GB | 動く | 35.3 | 246K |
| Qwen3.6 35B A3B36B（有効 3B） | 12.3 GB | 動く | 141.3 | 256K |
| モデル | サイズ | 動作 | 速度 t/s | 最大コンテキスト |
|---|---|---|---|---|
| Gemma 4 E4B8B | 5 GB | 動く | 81.4 | 128K |
| Qwen3.5 9B9.7B | 5.7 GB | 動く | 71.9 | 256K |
| Gemma 4 12B12B | 7.1 GB | 動く | 58.4 | 256K |
| Gemma 4 26B A4B25.2B（有効 3.8B） | 16.9 GB | 動く | 94.7 | 256K |
| Qwen3.6 27B27.8B | 16.8 GB | 動く | 26.3 | 245K |
| Qwen3.8 27B27.8B | 16.5 GB | 動く | 26.8 | 250K |
| GLM 4.7 Flash30B（有効 3B） | 18.3 GB | 動く | 110 | 198K |
| Gemma 4 31B30.7B | 18.3 GB | 動く | 23.7 | 168K |
| Qwen3.6 35B A3B36B（有効 3B） | 22.1 GB | 動く | 113.2 | 256K |
| モデル | サイズ | 動作 | 速度 t/s | 最大コンテキスト |
|---|---|---|---|---|
| Gemma 4 E4B8B | 8.2 GB | 動く | 52.2 | 128K |
| Qwen3.5 9B9.7B | 9.5 GB | 動く | 45.3 | 256K |
| Gemma 4 12B12B | 12.7 GB | 動く | 34.3 | 256K |
| Gemma 4 26B A4B25.2B（有効 3.8B） | 26.9 GB | 動く | 72.5 | 256K |
| Qwen3.6 27B27.8B | 28.6 GB | 動く | 15.8 | 69K |
| Qwen3.8 27B27.8B | 29 GB | 動く | 15.6 | 63K |
| GLM 4.7 Flash30B（有効 3B） | 31.8 GB | 動く | 83.4 | 26K |
| Gemma 4 31B30.7B | 32.6 GB | 入らない | — | — |
| Qwen3.6 35B A3B36B（有効 3B） | 36.9 GB | RAM オフロードが必要 | 33 | 256K |
動く重みも KV キャッシュも VRAM に収まり、速度は VRAM 帯域幅から推定します。
RAM オフロードが必要MoE モデルのみ。エキスパート重みをシステム RAM に置くため、速度は RAM 帯域幅 70 GB/s から推定します。
入らないこの量子化では 1 枚に収まらず、RAM へのオフロードでも動きません。
詳しい計算ルールはデータの作り方ページをご覧ください。
Arc Pro B70 を複数枚使うと動かせるモデルは？
B70 は 4 枚（128GB）構成が一般的で、4-bit の Qwen3.8 Flash Next が約 73 tokens/s です。2 枚でも 70B 級は入りますが 10 tokens/s を切ります。NVLink は非対応です。
| モデル | サイズ | 必要枚数 | 合計価格 | 合計 VRAM | 速度 t/s | 合計消費電力 |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash Next176B（有効 6B） | 78.9 GB | 4 枚 | ¥1,387,248 | 128 GB | 88.4 | 920 W |
 DeepSeek V4 Flash284B（有効 13B） | 96.8 GB | 4 枚 | ¥1,387,248 | 128 GB | 69.5 | 920 W |
 Hy3295B（有効 21B） | 107.2 GB | 4 枚 | ¥1,387,248 | 128 GB | 30.9 | 920 W |
| GLM 5.3 Flash320B（有効 18B） | 108.7 GB | 4 枚 | ¥1,387,248 | 128 GB | 54.9 | 920 W |
| モデル | サイズ | 必要枚数 | 合計価格 | 合計 VRAM | 速度 t/s | 合計消費電力 |
|---|---|---|---|---|---|---|
| Qwen3.8 Flash Next176B（有効 6B） | 111.3 GB | 4 枚 | ¥1,387,248 | 128 GB | 73.1 | 920 W |
| DeepSeek V4 Flash284B（有効 13B） | 155.1 GB | 8 枚 | ¥2,774,496 | 256 GB | 49.7 | 1,840 W |
| Hy3295B（有効 21B） | 182.2 GB | 8 枚 | ¥2,774,496 | 256 GB | 22.8 | 1,840 W |
| GLM 5.3 Flash320B（有効 18B） | 199.7 GB | 8 枚 | ¥2,774,496 | 256 GB | 34.3 | 1,840 W |
| モデル | サイズ | 必要枚数 | 合計価格 | 合計 VRAM | 速度 t/s | 合計消費電力 |
|---|---|---|---|---|---|---|
| DeepSeek V4 Flash284B（有効 13B） | 161.9 GB | 8 枚 | ¥2,774,496 | 256 GB | 48.1 | 1,840 W |
| Qwen3.8 Flash Next176B（有効 6B） | 188.2 GB | 8 枚 | ¥2,774,496 | 256 GB | 51.8 | 1,840 W |
詳しい計算ルールはデータの作り方ページをご覧ください。
向いている人・向かない人
向いている
- 1 枚で 27B を動かしつつ、精度も上げたい
8-bit の Qwen3.8 27B（29 GB）が収まり、約 16 tokens/s です
- 主に MoE を動かしたい
Qwen3.6 35B A3B や GLM 4.7 Flash の 4-bit で約 110 tokens/s、35B A3B は 256K まで使い切れます
- マルチ GPU 構成を組みたい
Intel 純正版は 2 スロットのブロワー型で 8-pin 1 つ、4 枚で 128GB になります
- ECC 対応の VRAM が必要
Intel の仕様ページに対応が明記されています
向かない
- 1 枚あたりの生成速度を重視する
同じ Dense モデルで RTX 5090 の 4 割に届きません
- FP8 が必要
この世代のチップの行列演算ユニットは FP8 に対応していません
- Windows しか使わないが vLLM を動かしたい
vLLM は Linux のみ対応で、Intel がパッケージした版はさらに Ubuntu 24.04 が必要です
購入前のチェックポイント
Intel 純正版とボードパートナー版
複数枚を密に挿すなら、第一候補は Intel 自身が出すモデルです。2 スロットのブロワー型で、長さ 267 mm、8-pin 1 つ、カード全体で 230W です。ASRock、Gunnir、Maxsun、Sparkle などのボードパートナー版もあり、消費電力は 160〜290W の範囲で設定できますが、冷却やコネクタはモデルごとに確認が必要です。
vLLM は Linux のみ
1 人で使うなら、llama.cpp や Ollama のほうが手軽です。vLLM を使うなら Linux 一択で、Intel がパッケージした llm-scaler は Ubuntu 24.04 が必要です。AWQ、GPTQ、FP8 などの形式に対応していますが、GGUF には対応していません。StorageReview は 2026 年 7 月のレビューで、これはせいぜいベータ版だと評しています。対応モデルは限られ、一部の量子化方式は動きません。
llama.cpp は 2 つのバックエンドを両方試す
Intel のカードでは llama.cpp に SYCL と Vulkan の 2 つのバックエンドがあり、どちらが速いかは決まっていないので、両方試すのがおすすめです。2026 年 4 月のあるサードパーティのテストでは、Gemma 4 31B は SYCL のほうが生成が 2 倍速かった一方、Qwen3.5 27B は SYCL でエラーが出て（2 回目の回答に 1 回目の質問への返答が混ざる）、Vulkan しか使えませんでした。OpenVINO 2026.1 も B70 への対応を始めましたが、llama.cpp 向けに追加したバックエンドはまだプレビュー版で、検証済みなのは 7B 以下の小型モデルだけです。
同クラスの GPU との比較
Arc Pro B70 と Radeon AI PRO R9700、RTX PRO 4500、GeForce RTX 4080 SUPER 32GB の価格・VRAM・帯域幅・演算性能・ローカル LLM の速度を比較。
| スペック | Arc Pro B70 | Radeon AI PRO R9700 |  RTX PRO 4500 | GeForce RTX 4080 SUPER 32GB |
|---|---|---|---|---|
| メモリ | 32 GB | 32 GB同じ | 32 GB同じ | 32 GB同じ |
| 帯域幅 | 608 GB/s | 640 GB/s5% 高い | 896 GB/s47% 高い | 736 GB/s21% 高い |
| BF16 / FP16 演算性能 | 184 TFLOPS | 191 TFLOPS4% 高い | 211 TFLOPS15% 高い | 209 TFLOPS14% 高い |
| INT8 演算性能 | 367 TOPS | 383 TOPS4% 高い | 422 TOPS15% 高い | 418 TOPS14% 高い |
| Qwen3.8 27B の速度（2-bit） | 43.5 t/s | 45.6 t/s5% 速い | 62.3 t/s43% 速い | 52 t/s20% 速い |
| 最大で動かせる密モデル（4-bit） | 51B | 51B同じ | 51B同じ | 51B同じ |
| 消費電力 | 230 W | 300 W30% 高い | 200 W13% 低い | 320 W39% 高い |
| インターフェース | PCIe 5.0 x16 | PCIe 5.0 x16 | PCIe 5.0 x16 | PCIe 4.0 x16 |
| 発売 | 2026-03 | 2025-07 | 2025-03 | 2024-01 |
| Amazon.jp中央値 |
一部の購入リンクはアフィリエイトリンクです。リンク経由でご購入いただくと当サイトが手数料を受け取ることがありますが、お支払い金額は変わりません。
他市場の価格
eBay
XianyueBay パートナーとして、このページの eBay リンク経由でご購入いただいた場合、VRAMGlass が報酬を受け取ることがあります。お支払い金額は変わりません。