ユーザー質問１：　Radeonシリーズはどの型番から使えるのでしょうか。LLM研究開発用GPU購入の参考情報にしたいのです。

（GPT回答）

2026年4月時点の実用目線では、LLM研究開発用に買うなら Radeon RX 7900系以上が無難です。
「とにかく動く」だけなら下の型番もありますが、PyTorch / ROCm / vLLM / FlashAttention まで考えると線引きが変わります。

目安

用途	最低ライン	購入候補として現実的
Ollama / llama.cpp でローカル推論	RX 5500 XT / 5700 / 6800 / 7600 なども対象	既に持っているなら可
PyTorch + ROCm で研究開発	RX 7700 / 7700 XT / 7800 XT / 7900系 / 9000系	RX 7900 GRE以上推奨
vLLM サービング	RX 7900系、RX 9000系	RX 7900 XTX、RX 9070 XT、AI PRO R9700
VRAM重視のLLM開発	16GB以上	RX 7900 XTX 24GB、Radeon AI PRO R9700 32GB、Radeon PRO W7900 48GB

型番で言うと

買ってよいライン: RX 7900 GRE / XT / XTX、RX 9070 / 9070 XT、RX 9060 XT、RX 7800 XT
研究開発ならできれば避けたい: RX 7600 / 7600 XT 以下
Ollamaでは名前が出ますが、ROCm/PyTorch/vLLMの開発用途では対応範囲が狭くなります。
本気でLLM用: Radeon AI PRO R9700 32GB、Radeon PRO W7900 48GB
価格が許せばVRAMが効きます。

AMDの最新ROCm for Radeon資料では、Linuxで RX 9070 / 9070 XT / 9070 GRE / 9060 / 9060 XT / 7900 XTX / 7900 XT / 7900 GRE / 7800 XT / 7700 / 7700 XT などがサポート対象です。さらに PyTorch、TensorFlow、ONNX、Triton、vLLM、llama.cpp、FlashAttention-2 もRadeon on Linuxの対応項目に入っています。
参考: ROCm on Radeon compatibility

一方で vLLM はもう少し狭く、AMD GPUでは Radeon RX 7900 series と Radeon RX 9000 series を明記しています。vLLMを使う予定があるなら、RX 7900系以上を基準にした方がよいです。
参考: vLLM GPU requirements

私なら購入候補はこの順です。

Radeon RX 7900 XTX 24GB
価格とVRAMのバランスがよく、LLMローカル研究用として一番現実的。
Radeon AI PRO R9700 32GB
32GB VRAMが魅力。AMD公式もローカルAI開発向けをうたっています。
Radeon PRO W7900 48GB
VRAM最優先なら強いですが、価格は研究室・業務向け。
Radeon RX 9070 XT 16GB / RX 7800 XT 16GB
軽めの推論・小規模LoRAなら候補。ただし大きめLLMでは16GBがすぐ壁になります。

なので短く言うと、**「RadeonならRX 7900 XTXから」**を推奨します。予算重視ならRX 7800 XT、VRAM重視ならAI PRO R9700かPRO W7900です。

ユーザー質問２：　NvidiaGeforceシリーズに比べると、AMDRadeonでは結局コスパがわるいでしょうか

（GPT回答）

結論は「目的次第。ただし研究開発の総コスパでは、まだGeForceが有利になりやすい」です。

Radeonはハード単体で見ると、特に RX 7900 XTX 24GB や Radeon AI PRO R9700 32GB はVRAM単価が魅力です。ローカル推論、Ollama、llama.cpp、ROCm対応済みPyTorch、vLLMをLinuxで使う、という範囲なら十分候補になります。AMD公式もROCm 7.2系でRadeon 9000系と一部7000系、PyTorch、vLLM、llama.cpp、FlashAttention-2対応を掲げています。

ただ、LLM「研究開発」では、GPU価格だけでなく 詰まったときの時間コスト が大きいです。ここでNVIDIAが強いです。CUDA前提の論文実装、bitsandbytes、FlashAttention、vLLM、TensorRT-LLM、Transformers周辺の情報量、Dockerイメージ、issue解決例が圧倒的に多いので、「動かすまでの摩擦」が小さいです。

ざっくり判断すると:

選び方	おすすめ
いろいろなLLM実装・論文コードを触る	GeForce RTX
LoRA/QLoRA、bitsandbytes、CUDA前提ツールを多用	GeForce RTX
Linux + ROCmに慣れている	Radeonもあり
推論中心、VRAM単価重視	RX 7900 XTX / R9700 はかなりあり
Windows中心で研究開発	GeForce RTX が無難
仕事・納期・再現性重視	GeForce RTX が無難

個人的な推奨はこうです。

一枚だけ買ってLLM研究開発を広くやる
→ GeForce RTXを選ぶ方が後悔しにくいです。RTX 4090 24GB、RTX 5090 32GB、予算次第でRTX 4070 Ti SUPER/4080系/5080系。ただし16GBはすぐ壁になります。
VRAM単価を重視してローカル推論・自前実験中心
→ Radeon RX 7900 XTX 24GB はかなり魅力があります。ROCmで戦う覚悟があるならコスパは悪くありません。
32GB以上が欲しいがNVIDIA 5090が高すぎる
→ Radeon AI PRO R9700 32GB は面白い候補です。ただしCUDA資産との互換性ではNVIDIAに劣ります。

なので、「Radeonは結局コスパが悪いか？」への答えは、ハード単体では悪くない。むしろVRAM単価は良いことがある。でも研究開発全体の時間コストまで入れると、NVIDIA GeForceの方がまだコスパが良い場面が多い、です。

参考: ROCm Radeon compatibility, vLLM GPU requirements, TensorRT-LLM support matrix