本文へ移動
localllm
EN

dahara1

Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K

パラメータ数
3.1B
最大コンテキスト長
32,768
アーキテクチャ
qwen2

Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K の概要

Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K は、GGUF 形式で公開されているモデルです。GGUF は dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K が公開しています。パラメータ数は約 3.1B（31億）、アーキテクチャは qwen2、最大コンテキスト長は 32,768 トークンです（GGUF に書かれた値）。

量子化は 17 種類あり、ファイルサイズは IQ3_XXS の 1.28 GB から F16 の 3.58 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（1.93 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 3.31 GB、32,768 トークンでは推定 4.21 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 IQ3_XXS（1.28 GB）なら、8,192 トークンで推定 2.66 GBです。

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。

「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

dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K

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
qwen2
llama.cpp b4409 より前から
パラメータ数
3.1B
最大コンテキスト長
32,768
Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K（dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K）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 最大
IQ3_XXS 1.28 GB 大きい 2.51 GB 2.66 GB 2.96 GB 3.56 GB
IQ3_XS 1.39 GB 大きい 2.62 GB 2.77 GB 3.07 GB 3.67 GB
Q3_K_S 1.45 GB 大きい 2.68 GB 2.83 GB 3.13 GB 3.74 GB
IQ3_M 1.49 GB 中くらい 2.71 GB 2.86 GB 3.17 GB 3.77 GB
Q3_K_M 1.59 GB 中くらい 2.82 GB 2.97 GB 3.27 GB 3.87 GB
Q3_K_L 1.67 GB 中くらい 2.89 GB 3.04 GB 3.34 GB 3.95 GB
IQ4_XS 1.74 GB 小さい 2.96 GB 3.11 GB 3.42 GB 4.02 GB
Q4_K_S 1.83 GB 中くらい 3.06 GB 3.21 GB 3.51 GB 4.12 GB
Q4_K_M 1.93 GB 小さい 3.15 GB 3.31 GB 3.61 GB 4.21 GB
F16 Qwen2.5-3B-Instruct-Q3_K-f16 1.96 GB 元の精度 3.18 GB 3.33 GB 3.64 GB 4.24 GB
Q4_K_L 2.01 GB - 3.23 GB 3.38 GB 3.68 GB 4.29 GB
Q5_K_S 2.17 GB 小さい 3.39 GB 3.55 GB 3.85 GB 4.45 GB
Q5_K_M 2.22 GB ごく小さい 3.45 GB 3.60 GB 3.90 GB 4.51 GB
F16 Qwen2.5-3B-Instruct-Q4_K-f16 2.30 GB 元の精度 3.52 GB 3.67 GB 3.97 GB 4.58 GB
Q5_K_L 2.30 GB - 3.52 GB 3.68 GB 3.98 GB 4.58 GB
Q6_K 2.54 GB ごく小さい 3.76 GB 3.91 GB 4.22 GB 4.82 GB
F16 Qwen2.5-3B-Instruct-Q5_K-f16 2.59 GB 元の精度 3.82 GB 3.97 GB 4.27 GB 4.87 GB
Q6_K_L 2.61 GB - 3.84 GB 3.99 GB 4.29 GB 4.90 GB
F16 Qwen2.5-3B-Instruct-Q6_K-f16 2.91 GB 元の精度 4.13 GB 4.28 GB 4.58 GB 5.19 GB
Q8_0 Qwen2.5-3B-Instruct-Q8_0_L 3.29 GB ほぼ同じ 4.51 GB 4.66 GB 4.96 GB 5.57 GB
Q8_0 Qwen2.5-3B-Instruct-Q8_0 3.58 GB ほぼ同じ 4.80 GB 4.95 GB 5.25 GB 5.86 GB
F16 Qwen2.5-3B-Instruct-Q8_0-f16 3.58 GB 元の精度 4.80 GB 4.95 GB 5.25 GB 5.86 GB 
Ollama  ollama run hf.co/dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K:Q4_K_M
llama.cpp  llama-server -hf dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（1.93 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 35〜46 58
Arc A770 (8GB) 8 GB 512 GB/s 159〜212 265
GeForce RTX 5090 32 GB 1,792 GB/s 557〜743 929
Apple M2 8 GB 100 GB/s 31〜41 52
Apple M2 Pro 16 GB 200 GB/s 62〜83 104
Apple M5 Ultra 96 GB 1,200 GB/s 373〜497 622

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。

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/dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K: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 dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K:Q4_K_M

LM Studio

検索欄に dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K 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

Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K（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1.93 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3.31 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB なら F16（推定 4.95 GB）まで、12GB なら F16（推定 4.95 GB）まで、16GB なら F16（推定 4.95 GB）まで、24GB なら F16（推定 4.95 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）。
Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K を Ollama で動かすコマンドは？
「ollama run hf.co/dahara1/Qwen2.5-3B-Instruct-gguf-japanese-imatrix-128K: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。