本文へ移動
localllm
EN

mmnga

Llama-3-70B-japanese-suzume-vector-v0.1

パラメータ数
70.6B
最大コンテキスト長
8,192
アーキテクチャ
llama
ライセンス
条件付き
元モデル
mmnga/Llama-3-70B-japanese-suzume-vector-v0.1
ライセンス
llama3

Llama-3-70B-japanese-suzume-vector-v0.1 の概要

Llama-3-70B-japanese-suzume-vector-v0.1 は、Hugging Face の mmnga/Llama-3-70B-japanese-suzume-vector-v0.1 をもとにした GGUF 形式のモデルです。GGUF は mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF が公開しています。パラメータ数は約 70.6B（706億）、アーキテクチャは llama、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 21 種類あり、ファイルサイズは IQ1_S の 15.3 GB から Q5_K_M の 49.9 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（42.5 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 46.0 GBです。8,192 トークンなら、VRAM 48 GB 以上の GPUか、統合メモリ 48 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 IQ1_S（15.3 GB）なら、8,192 トークンで推定 18.8 GBです。

元のモデルのライセンスは Meta Llama 3 Community License で、商用利用には規模・用途などの条件があります。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

GGUF配布元

mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF

第三者が変換して配布 この表示について

最終確認：2026年11月4日

アーキテクチャ
llama
llama.cpp b4409 より前から
パラメータ数
70.6B
最大コンテキスト長
8,192
ライセンス
llama3 条件付き
Llama-3-70B-japanese-suzume-vector-v0.1（mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF）の量子化ごとのファイルサイズと必要メモリ
量子化 ファイルサイズ 実測 品質の目安 4,096 8,192 最大
IQ1_S 15.3 GB とても大きい 17.5 GB 18.8 GB
IQ1_M 16.8 GB とても大きい 18.9 GB 20.2 GB
IQ2_XXS 19.1 GB とても大きい 21.2 GB 22.6 GB
IQ2_XS 21.1 GB とても大きい 23.3 GB 24.6 GB
IQ2_S 22.2 GB とても大きい 24.4 GB 25.7 GB
IQ2_M 24.1 GB 大きい 26.3 GB 27.6 GB
Q2_K_S 24.5 GB とても大きい 26.6 GB 28.0 GB
Q2_K 26.4 GB とても大きい 28.5 GB 29.9 GB
IQ3_XXS 27.5 GB 大きい 29.6 GB 31.0 GB
IQ3_XS 29.3 GB 大きい 31.4 GB 32.8 GB
IQ3_S 30.9 GB 中くらい 33.1 GB 34.4 GB
Q3_K_S 30.9 GB 大きい 33.1 GB 34.4 GB
IQ3_M 31.9 GB 中くらい 34.1 GB 35.4 GB
Q3_K_M 34.3 GB 中くらい 36.4 GB 37.8 GB
Q3_K_L 37.1 GB 中くらい 39.3 GB 40.6 GB
IQ4_XS 37.9 GB 小さい 40.0 GB 41.4 GB
Q4_0 40.1 GB 中くらい 42.3 GB 43.6 GB
Q4_K_S 40.3 GB 中くらい 42.5 GB 43.8 GB
Q4_K_M 42.5 GB 小さい 44.7 GB 46.0 GB
Q5_K_S 48.7 GB 小さい 50.8 GB 52.1 GB
Q5_K_M 49.9 GB ごく小さい 52.1 GB 53.4 GB 
Ollama  ollama run hf.co/mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF:Q4_K_M
llama.cpp  llama-server -hf mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（42.5 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
Apple M5 Pro 64 GB 307 GB/s 4.3〜5.8 7.2
Apple M2 Max 64 GB 400 GB/s 5.6〜7.5 9.4
Apple M5 Ultra 96 GB 1,200 GB/s 17〜23 28

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

Meta Llama 3 Community License 条件付き

商用利用できます。月間アクティブユーザーが7億人を超える場合は Meta の許諾が別に必要です。再配布や派生モデルの公開では「Built with Meta Llama 3」の表示が要り、利用規定（Acceptable Use Policy）を守ります。

元のモデルの Hugging Face のページにあるライセンスで判定しています。 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/mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-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 mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-GGUF:Q4_K_M

LM Studio

検索欄に mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-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。

よくある質問

Llama-3-70B-japanese-suzume-vector-v0.1（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42.5 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46.0 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
Llama-3-70B-japanese-suzume-vector-v0.1は商用利用できますか？
元のモデルのライセンスはMeta Llama 3 Community License（商用利用は条件付き）。商用利用できます。月間アクティブユーザーが7億人を超える場合は Meta の許諾が別に必要です。再配布や派生モデルの公開では「Built with Meta Llama 3」の表示が要り、利用規定（Acceptable Use Policy）を守ります。最終的な判断はライセンスの原文で確認してください。
Llama-3-70B-japanese-suzume-vector-v0.1 は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB に収まる量子化は無し、12GB に収まる量子化は無し、16GB に収まる量子化は無し、24GB なら IQ2_S（推定 25.7 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）。
Llama-3-70B-japanese-suzume-vector-v0.1 を Ollama で動かすコマンドは？
「ollama run hf.co/mradermacher/Llama-3-70B-japanese-suzume-vector-v0.1-i1-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。