gpustack
bge-reranker-v2-m3
埋め込み（会話には使えない）
- パラメータ数
- 0.6B
- 最大コンテキスト長
- 8,192
- アーキテクチャ
- bert
- ライセンス
- 商用可
- ライセンス
- apache-2.0
bge-reranker-v2-m3 の概要
bge-reranker-v2-m3 は、GGUF 形式で公開されているモデルです。GGUF は gpustack/bge-reranker-v2-m3-GGUF が公開しています。パラメータ数は約 568M、アーキテクチャは bert、最大コンテキスト長は 8,192 トークンです（GGUF に書かれた値）。
量子化は 9 種類あり、ファイルサイズは Q2_K の 0.37 GB から F16 の 1.16 GB まであります（Hugging Face 上の実際のサイズ）。
Q4_K_M（0.44 GB）を 8,192 トークンのコンテキストで動かすときの必要メモリは推定 1.51 GBです。8,192 トークンなら、VRAM 4 GB 以上の GPU（Arc A310・Arc A370M など）か、統合メモリ 4 GB 以上の Mac が目安です（macOS は GPU が使えるメモリに上限があるため、実際には余裕が要ります）。最も小さい Q2_K（0.37 GB）なら、8,192 トークンで推定 1.44 GBです。
gpustack/bge-reranker-v2-m3-GGUF の表示では、ライセンスは Apache License 2.0 で、商用利用できます（再配布するときはライセンス文と著作権表示を残します）。利用条件は原文で確認してください。
量子化ごとのファイルサイズと必要メモリの目安
- 8 GB まで
- 16 GB まで
- 24 GB まで
- 48 GB まで
- 128 GB まで
- それ以上
ファイルサイズは Hugging Face 上の実際の値です。必要メモリはコンテキスト長ごとの推定値（KVキャッシュ f16）。計算式は 必要メモリの計算方法で公開しています。
必要メモリはすべて 推定 （KVキャッシュ f16）。このページの「必要メモリ」以上の VRAM（または Mac の統合メモリ）を持つ環境で動作する見込みです。数値をクリックすると、その容量で動く機種・モデルの一覧（GPU・Macで探す）に移動します。
「品質の目安」について（量子化でどれだけ元のモデルからずれるか）
量子化の型ごとに、元のモデルの出力からどれだけずれるかを、llama.cpp が Llama-3-8B で測った値から6段階に分けたものです。
使っている値は平均 KLD（元のモデルと量子化したモデルの、次の単語の確率の分布の差）で、小さいほど元のモデルに近い出力になります。imatrix（重要度の情報）を使って量子化したものは少し小さくなります。段階は、imatrix を使わない値（無い型は使った値）で分けています。
★このモデルで測った値ではありません。モデルが大きいほど、また MoE のモデルほど、同じ型でもずれは小さくなりやすいです。配布元独自の混合型（UD-Q4_K_XL など）は型の名前だけでは当てはめられないので「-」にしています。
| 量子化 | 品質の目安 | KLD（imatrix なし） | KLD（imatrix あり） | サイズ（Llama-3-8B） |
|---|---|---|---|---|
| Q8_0 | ほぼ同じ | 0.0014 | - | 7.96 GiB |
| Q6_K | ごく小さい | 0.0055 | - | 6.14 GiB |
| Q5_K_M | ごく小さい | 0.0108 | - | 5.33 GiB |
| Q5_K_S | 小さい | 0.0166 | - | 5.21 GiB |
| Q5_1 | 小さい | 0.0180 | - | 5.65 GiB |
| Q5_0 | 小さい | 0.0222 | - | 5.21 GiB |
| Q4_K_M | 小さい | 0.0313 | 0.0282 | 4.58 GiB |
| Q4_K_S | 中くらい | 0.0431 | 0.0320 | 4.37 GiB |
| IQ4_NL | 小さい | - | 0.0357 | 4.35 GiB |
| IQ4_XS | 小さい | - | 0.0363 | 4.14 GiB |
| Q4_1 | 中くらい | 0.0717 | - | 4.78 GiB |
| Q4_0 | 中くらい | 0.0719 | - | 4.34 GiB |
| Q3_K_L | 中くらい | 0.0872 | 0.0731 | 4.03 GiB |
| Q3_K_M | 中くらい | 0.1019 | 0.0844 | 3.74 GiB |
| IQ3_M | 中くらい | - | 0.1025 | 3.53 GiB |
| IQ3_S | 中くらい | - | 0.1113 | 3.42 GiB |
| IQ3_XS | 大きい | - | 0.1387 | 3.28 GiB |
| IQ3_XXS | 大きい | - | 0.1836 | 3.05 GiB |
| Q3_K_S | 大きい | 0.2282 | 0.1998 | 3.41 GiB |
| IQ2_M | 大きい | - | 0.3260 | 2.74 GiB |
| Q2_K | とても大きい | 0.4451 | 0.3322 | 2.96 GiB |
| Q2_K_S | とても大きい | - | 0.4034 | 2.96 GiB |
| IQ2_S | とても大きい | - | 0.4392 | 2.56 GiB |
| IQ2_XS | とても大きい | - | 0.5463 | 2.43 GiB |
| IQ2_XXS | とても大きい | - | 0.8120 | 2.24 GiB |
| IQ1_M | とても大きい | - | 1.3931 | 2.01 GiB |
| IQ1_S | とても大きい | - | 2.2546 | 1.88 GiB |
出典：llama.cpp（MIT）、Llama-3-8B・FP16 を基準・Wikitext-2・revision f364eb6f の測定。 元の表 · 量子化の読み方と選び方
最終確認：2026年10月4日
- アーキテクチャ
- bert
- llama.cpp b4409 より前から
- パラメータ数
- 0.6B
- 最大コンテキスト長
- 8,192
- ライセンス
- apache-2.0 商用可
| 量子化 | ファイルサイズ 実測 | 品質の目安 | 4,096 | 8,192 最大 |
|---|---|---|---|---|
| Q2_K | 0.37 GB | とても大きい | 1.44 GB | 1.44 GB |
| Q3_K_M | 0.40 GB | 中くらい | 1.48 GB | 1.48 GB |
| Q4_0 | 0.42 GB | 中くらい | 1.50 GB | 1.50 GB |
| Q4_K_M | 0.44 GB | 小さい | 1.51 GB | 1.51 GB |
| Q5_0 | 0.46 GB | 小さい | 1.53 GB | 1.53 GB |
| Q5_K_M | 0.47 GB | ごく小さい | 1.54 GB | 1.54 GB |
| Q6_K | 0.50 GB | ごく小さい | 1.57 GB | 1.57 GB |
| Q8_0 | 0.64 GB | ほぼ同じ | 1.71 GB | 1.71 GB |
| F16 | 1.16 GB | 元の精度 | 2.23 GB | 2.23 GB |
Ollama ollama run hf.co/gpustack/bge-reranker-v2-m3-GGUF:Q4_K_M
llama.cpp llama-server -hf gpustack/bge-reranker-v2-m3-GGUF:Q4_K_M
主な GPU・Mac での生成の速さ（推定）
Q4_K_M（0.44 GB）で文章を生成する速さの目安です。1トークンごとにモデルの重みを1回読むので、上限はメモリの帯域 ÷ ファイルサイズで決まります。目安はその 6〜8 割で、公開されている実測の多くがこの範囲に入ります。
| 機種 | メモリ帯域 | 目安（トークン/秒） 推定 | 上限 |
|---|---|---|---|
| Arc A370M 4 GB | 112 GB/s | 153〜204 | 255 |
| Arc A770 (8GB) 8 GB | 512 GB/s | 701〜934 | 1,168 |
| GeForce RTX 5090 32 GB | 1,792 GB/s | 2,453〜3,270 | 4,088 |
| Apple M2 8 GB | 100 GB/s | 137〜182 | 228 |
| Apple M2 Pro 16 GB | 200 GB/s | 274〜365 | 456 |
| Apple M5 Ultra 96 GB | 1,200 GB/s | 1,642〜2,190 | 2,737 |
推定です。プロンプトを読み込む速さ（計算の速さで決まる）は含みません。コンテキストが長いほど、また一部を CPU に逃がすと遅くなります。Mac は搭載メモリが必要量の 4/3 以上のものだけを出しています。帯域が公表されていない機種（一部の GeForce など）は出ません。
ライセンスと商用利用
Apache License 2.0 商用可
商用利用・改変・再配布ができます。再配布するときはライセンス文と著作権表示を残し、改変したファイルにはその旨を書きます。
元のモデルのライセンスがまだ取得できていないため、GGUF の配布元の表示で判定しています。 ライセンスの原文（2026年10月18日 に確認）
要約は当サイトが原文から読み取った事実で、法的な助言ではありません。実際に使う前に、必ずライセンスの原文と最新の条件を確認してください。 ライセンスごとの一覧
動かし方
例として Q4_K_M を使う場合のコマンドです。他の量子化を使う場合は、上の表から量子化名を選んで置き換えてください。 ローカルLLMの動かし方
Ollama
Hugging Face 上の GGUF を直接指定して動かせます。
ollama run hf.co/gpustack/bge-reranker-v2-m3-GGUF:Q4_K_M
llama.cpp
llama-server（または llama-cli）に -hf でリポジトリと量子化名を指定します。
llama-server -hf gpustack/bge-reranker-v2-m3-GGUF:Q4_K_M
LM Studio
検索欄に gpustack/bge-reranker-v2-m3-GGUF を貼り付けてダウンロードし、量子化ファイルの一覧から量子化名を選びます。
gpustack のほかのモデル
同じくらいの大きさのモデル（ほかの開発元）
-
0.8B
turintech
Qwen3.5-0.8B-Artemis
- Q4_K_M のサイズ
- 0.53 GB
- 8K で必要なメモリ
- 1.70 GB
実測 推定 VRAM 4 GB〜
-
0.6B
Qwen
Qwen2.5-0.5B-Instruct
- Q4_K_M のサイズ
- 0.49 GB
- 8K で必要なメモリ
- 1.44 GB
実測 推定 VRAM 4 GB〜
-
0.8B
Qwen
Qwen3.5-0.8B
- Q4_K_M のサイズ
- 0.53 GB
- 8K で必要なメモリ
- 1.70 GB
実測 推定 VRAM 4 GB〜
-
0.8B
Qwen
Qwen3-ASR-0.6B
- Q4_K_M のサイズ
- 0.59 GB
- 8K で必要なメモリ
- 2.38 GB
実測 推定 VRAM 4 GB〜
-
0.8B
superwhisper
s1-mini
- Q4_K_M のサイズ
- 0.48 GB
- 8K で必要なメモリ
- 2.27 GB
実測 推定 VRAM 4 GB〜
-
0.6B
Qwen
Qwen3-0.6B
- Q8_0 のサイズ
- 0.64 GB
- 8K で必要なメモリ
- 2.43 GB
実測 推定 VRAM 4 GB〜
よくある質問
- bge-reranker-v2-m3（Q4_K_M）を動かすのに必要なメモリはどれくらいですか？
- ファイルサイズは0.44 GB（実測）。8,192トークンのコンテキストで動かす場合、KVキャッシュ等を含めた推定必要メモリは1.51 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
- bge-reranker-v2-m3は商用利用できますか？
- ライセンスはApache License 2.0（商用利用できる）。商用利用・改変・再配布ができます。再配布するときはライセンス文と著作権表示を残し、改変したファイルにはその旨を書きます。最終的な判断はライセンスの原文で確認してください。
- bge-reranker-v2-m3 は VRAM 8GB・12GB・16GB・24GB で動きますか？
- 8GB なら F16（推定 2.23 GB）まで、12GB なら F16（推定 2.23 GB）まで、16GB なら F16（推定 2.23 GB）まで、24GB なら F16（推定 2.23 GB）まで（8,192 トークン・KV キャッシュ f16 の推定。いちばん多くダウンロードされている配布元のファイル）。
- bge-reranker-v2-m3 を Ollama で動かすコマンドは？
- 「ollama run hf.co/gpustack/bge-reranker-v2-m3-GGUF:Q4_K_M」で、Hugging Face の GGUF をそのまま動かせます。ほかの量子化を使うときは、最後の量子化名を置き換えます。