本文へ移動
localllm
EN

rinna

qwen2.5-bakeneko-32b-instruct-v2

パラメータ数
32.8B
最大コンテキスト長
32,768
アーキテクチャ
qwen2
元モデル
rinna/qwen2.5-bakeneko-32b-instruct-v2
ライセンス
apache-2.0

qwen2.5-bakeneko-32b-instruct-v2 の概要

qwen2.5-bakeneko-32b-instruct-v2 は、Hugging Face の rinna/qwen2.5-bakeneko-32b-instruct-v2 をもとにした GGUF 形式のモデルです。GGUF は 2 つの配布元（featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-GGUF・rinna/qwen2.5-bakeneko-32b-instruct-v2-gguf）が公開しています。パラメータ数は約 32.8B（328億）、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 16 種類あり、ファイルサイズは Q2_K の 12.3 GB から Q8_0 の 34.8 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（19.9 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 23.1 GB、32,768 トークンでは推定 29.5 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 Q2_K（12.3 GB）なら、8,192 トークンで推定 15.5 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。

同じモデルの GGUF を 2 つの配布元が公開しています。量子化の種類とファイルサイズは配布元ごとに少しずつ違うので、下に配布元ごとの表を載せています。

「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

featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-GGUF

第三者が変換して配布 この表示について

元モデルの利用には Hugging Face 上での申請・同意が必要です（GGUF自体のダウンロードには影響しません）。

最終確認：2026年11月1日

アーキテクチャ
qwen2
llama.cpp b4409 より前から
パラメータ数
32.8B
最大コンテキスト長
32,768
qwen2.5-bakeneko-32b-instruct-v2（featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-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 最大
Q2_K 12.3 GB とても大きい 14.5 GB 15.5 GB 17.7 GB 22.0 GB
Q3_K_S 14.4 GB 大きい 16.5 GB 17.6 GB 19.8 GB 24.1 GB
Q3_K_M 15.9 GB 中くらい 18.1 GB 19.2 GB 21.3 GB 25.6 GB
Q3_K_L 17.2 GB 中くらい 19.4 GB 20.5 GB 22.6 GB 26.9 GB
IQ4_XS 17.9 GB 小さい 20.0 GB 21.1 GB 23.2 GB 27.5 GB
Q4_K_S 18.8 GB 中くらい 20.9 GB 22.0 GB 24.2 GB 28.4 GB
Q4_K_M 19.9 GB 小さい 22.0 GB 23.1 GB 25.2 GB 29.5 GB
Q5_K_S 22.6 GB 小さい 24.8 GB 25.9 GB 28.0 GB 32.3 GB
Q5_K_M 23.3 GB ごく小さい 25.4 GB 26.5 GB 28.6 GB 32.9 GB
Q6_K （6分割） 26.9 GB ごく小さい 29.0 GB 30.1 GB 32.3 GB 36.5 GB
Q8_0 （8分割） 34.8 GB ほぼ同じ 37.0 GB 38.0 GB 40.2 GB 44.5 GB 
Ollama  ollama run hf.co/featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-GGUF:Q4_K_M
llama.cpp  llama-server -hf featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-GGUF:Q4_K_M

GGUF配布元

rinna/qwen2.5-bakeneko-32b-instruct-v2-gguf

元の開発元が配布 この表示について

元モデルの利用には Hugging Face 上での申請・同意が必要です（GGUF自体のダウンロードには影響しません）。

最終確認：2026年11月4日

アーキテクチャ
qwen2
llama.cpp b4409 より前から
パラメータ数
32.8B
最大コンテキスト長
131,072
ライセンス
apache-2.0 商用可
qwen2.5-bakeneko-32b-instruct-v2（rinna/qwen2.5-bakeneko-32b-instruct-v2-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 最大
Q2_K 12.3 GB とても大きい 14.5 GB 15.5 GB 17.7 GB 22.0 GB 30.6 GB 47.7 GB
Q3_K 15.9 GB - 18.1 GB 19.2 GB 21.3 GB 25.6 GB 34.2 GB 51.4 GB
Q4_0 18.6 GB 中くらい 20.8 GB 21.9 GB 24.0 GB 28.3 GB 36.9 GB 54.1 GB
Q4_K 19.9 GB - 22.0 GB 23.1 GB 25.2 GB 29.5 GB 38.1 GB 55.3 GB
Q5_0 22.6 GB 小さい 24.8 GB 25.9 GB 28.0 GB 32.3 GB 40.9 GB 58.1 GB
Q5_K 23.3 GB - 25.4 GB 26.5 GB 28.6 GB 32.9 GB 41.5 GB 58.7 GB
Q6_K 26.9 GB ごく小さい 29.0 GB 30.1 GB 32.3 GB 36.5 GB 45.1 GB 62.3 GB
Q8_0 34.8 GB ほぼ同じ 37.0 GB 38.0 GB 40.2 GB 44.5 GB 53.1 GB 70.3 GB 
Ollama  ollama run hf.co/rinna/qwen2.5-bakeneko-32b-instruct-v2-gguf:Q2_K
llama.cpp  llama-server -hf rinna/qwen2.5-bakeneko-32b-instruct-v2-gguf:Q2_K

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（19.9 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
GeForce RTX 3090 24 GB 936 GB/s 28〜38 47
GeForce RTX 4090 24 GB 1,008 GB/s 30〜41 51
GeForce RTX 5090 32 GB 1,792 GB/s 54〜72 90
Apple M4 32 GB 120 GB/s 3.6〜4.8 6.0
Apple M4 Pro 48 GB 273 GB/s 8.3〜11 14
Apple M5 Ultra 96 GB 1,200 GB/s 36〜48 60

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

対象の配布元：rinna/qwen2.5-bakeneko-32b-instruct-v2-gguf

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。 他の配布元のファイルを使う場合のコマンドは、配布元ごとの欄に載せています。 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/featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-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 featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-GGUF:Q4_K_M

LM Studio

検索欄に featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-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

qwen2.5-bakeneko-32b-instruct-v2（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19.9 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23.1 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
qwen2.5-bakeneko-32b-instruct-v2 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 Q2_K（推定 15.5 GB）まで、24GB なら Q4_K_M（推定 23.1 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-bakeneko-32b-instruct-v2 を Ollama で動かすコマンドは？
「ollama run hf.co/featherless-ai-quants/rinna-qwen2.5-bakeneko-32b-instruct-v2-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。