本文へ移動
localllm
EN

lmstudio-community

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B

パラメータ数
123.6B
最大コンテキスト長
1,048,576
アーキテクチャ
nemotron_h_moe
llama.cpp
b7418+

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B の概要

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B (lmstudio-community) は、GGUF 形式で公開されているモデルです。GGUF は lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF が公開しています。パラメータ数は約 123.6B（1,236億）、アーキテクチャは nemotron_h_moe、最大コンテキスト長は 1,048,576 トークンです（GGUF に書かれた値）。

量子化は 2 種類あり、ファイルサイズは Q4_K_M の 70.1 GB から NVFP4 の 75.2 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（70.1 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 71.1 GB、32,768 トークンでは推定 71.3 GBです。8,192 トークンなら、VRAM 96 GB 以上の GPUか、統合メモリ 96 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）。

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。

画像入力を使う場合：このモデルは画像入力に対応しています。画像を使うときは、追加で mmproj ファイルも読み込みます。

「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

lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF

元の開発元が配布 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
nemotron_h_moe
llama.cpp b7418 以降
パラメータ数
123.6B
最大コンテキスト長
1,048,576
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B（lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-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 65,536 131,072 262,144 1,048,576 最大
Q4_K_M （2分割） 70.1 GB 小さい 71.1 GB 71.1 GB 71.2 GB 71.3 GB 71.6 GB 72.2 GB 73.2 GB 79.7 GB
NVFP4 （2分割） 75.2 GB - 76.3 GB 76.3 GB 76.4 GB 76.5 GB 76.8 GB 77.3 GB 78.4 GB 84.8 GB

画像入力用の mmproj（BF16）は 1.73 GB 実測 。上の必要メモリには含まれていないため、画像を使う場合は別途加算してください。 

Ollama  ollama run hf.co/lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF:Q4_K_M
llama.cpp  llama-server -hf lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF:Q4_K_M

動かし方

このモデルの形式（nemotron_h_moe）を llama.cpp の本家が読み込めるのは b7418（2025年12月16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/lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-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 lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-GGUF:Q4_K_M

LM Studio

検索欄に lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-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

NVIDIA-Nemotron-3.5-Super-VL-120B-A12B（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70.1 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71.1 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B 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 に収まる量子化は無し（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）。
NVIDIA-Nemotron-3.5-Super-VL-120B-A12B を Ollama で動かすコマンドは？
「ollama run hf.co/lmstudio-community/NVIDIA-Nemotron-3.5-Super-VL-120B-A12B-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。