本文へ移動
localllm
EN

OS-Software

llm-jp-4.1-32b-a3b-thinking-uncensored-heretic

パラメータ数
32.1B
最大コンテキスト長
65,536
アーキテクチャ
qwen3moe
ライセンス
商用可
元モデル
llm-jp/llm-jp-4.1-32b-a3b-thinking
ライセンス
apache-2.0
llama.cpp
b5092+

llm-jp-4.1-32b-a3b-thinking-uncensored-heretic の概要

llm-jp-4.1-32b-a3b-thinking-uncensored-heretic は、Hugging Face の llm-jp/llm-jp-4.1-32b-a3b-thinking をもとにした GGUF 形式のモデルです。GGUF は OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-GGUF が公開しています。パラメータ数は約 32.1B（321億）、アーキテクチャは qwen3moe、最大コンテキスト長は 65,536 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 IQ2_S の 12.6 GB から Q8_0 の 34.2 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（21.5 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 23.0 GB、32,768 トークンでは推定 24.6 GBです。8,192 トークンなら、VRAM 24 GB 以上の GPU（GeForce RTX 3090 Ti・GeForce RTX 4090 など）か、統合メモリ 24 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 IQ2_S（12.6 GB）なら、8,192 トークンで推定 14.1 GBです。

元のモデルのライセンスは 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

GGUF配布元

OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-GGUF

元の開発元が配布 改変版（名前に abliterated などを含む） この表示について

最終確認：2026年11月11日

アーキテクチャ
qwen3moe
llama.cpp b5092 以降
パラメータ数
32.1B
最大コンテキスト長
65,536
ライセンス
apache-2.0 商用可
llm-jp-4.1-32b-a3b-thinking-uncensored-heretic（OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-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 16,384 32,768 65,536 最大
IQ2_S 12.6 GB とても大きい 13.8 GB 14.1 GB 14.6 GB 15.7 GB 17.9 GB
IQ2_M 13.3 GB 大きい 14.5 GB 14.7 GB 15.3 GB 16.3 GB 18.5 GB
IQ3_XXS 14.5 GB 大きい 15.7 GB 16.0 GB 16.5 GB 17.6 GB 19.8 GB
IQ3_M 15.7 GB 中くらい 16.9 GB 17.2 GB 17.7 GB 18.8 GB 21.0 GB
IQ4_XS 17.7 GB 小さい 18.9 GB 19.2 GB 19.7 GB 20.8 GB 22.9 GB
Q4_K_M 21.5 GB 小さい 22.7 GB 23.0 GB 23.5 GB 24.6 GB 26.8 GB
Q5_K_M 24.5 GB ごく小さい 25.7 GB 26.0 GB 26.5 GB 27.6 GB 29.8 GB
Q6_K 29.0 GB ごく小さい 30.2 GB 30.4 GB 31.0 GB 32.0 GB 34.2 GB
Q8_0 34.2 GB ほぼ同じ 35.4 GB 35.7 GB 36.2 GB 37.3 GB 39.4 GB 
Ollama  ollama run hf.co/OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-GGUF:Q4_K_M
llama.cpp  llama-server -hf OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-GGUF:Q4_K_M

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 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

このモデルの形式（qwen3moe）を llama.cpp の本家が読み込めるのは b5092（2025年4月9日）以降です。Ollama・LM Studio は内部に llama.cpp を取り込んで動くため、アプリが古いと「unknown model architecture」などのエラーで読み込めません。その場合はアプリを最新にしてください。

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/OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-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 OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-GGUF:Q4_K_M

LM Studio

検索欄に OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-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

llm-jp-4.1-32b-a3b-thinking-uncensored-heretic（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21.5 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23.0 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
llm-jp-4.1-32b-a3b-thinking-uncensored-hereticは商用利用できますか？
元のモデルのライセンスは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。
llm-jp-4.1-32b-a3b-thinking-uncensored-heretic 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 なら IQ3_XXS（推定 16.0 GB）まで、24GB なら Q4_K_M（推定 23.0 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）。
llm-jp-4.1-32b-a3b-thinking-uncensored-heretic を Ollama で動かすコマンドは？
「ollama run hf.co/OS-Software/llm-jp-4.1-32b-a3b-thinking-uncensored-heretic-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。