本文へ移動
localllm
EN

Takenoko12345678

Qwen3.5-0.8B-Japanese-SFT

パラメータ数
0.8B
最大コンテキスト長
262,144
アーキテクチャ
qwen35
ライセンス
商用可
元モデル
Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT
ライセンス
apache-2.0
llama.cpp
b7990+

Qwen3.5-0.8B-Japanese-SFT の概要

Qwen3.5-0.8B-Japanese-SFT は、Hugging Face の Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT をもとにした GGUF 形式のモデルです。GGUF は Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-GGUF が公開しています。パラメータ数は約 752M、アーキテクチャは qwen35、最大コンテキスト長は 262,144 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 0.53 GB から Q8_0 の 0.81 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（0.53 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 1.70 GB、32,768 トークンでは推定 2.00 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）。

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

Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-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2日

アーキテクチャ
qwen35
llama.cpp b7990 以降
パラメータ数
0.8B
最大コンテキスト長
262,144
ライセンス
apache-2.0 商用可
Qwen3.5-0.8B-Japanese-SFT（Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-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 最大
Q4_K_M 0.53 GB 小さい 1.65 GB 1.70 GB 1.80 GB 2.00 GB 2.40 GB 3.21 GB 4.82 GB
Q8_0 0.81 GB ほぼ同じ 1.93 GB 1.98 GB 2.08 GB 2.28 GB 2.68 GB 3.49 GB 5.10 GB 
Ollama  ollama run hf.co/Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-GGUF:Q4_K_M
llama.cpp  llama-server -hf Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-GGUF:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（0.53 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 127〜169 212
Arc A770 (8GB) 8 GB 512 GB/s 580〜774 967
GeForce RTX 5090 32 GB 1,792 GB/s 2,031〜2,708 3,386
Apple M2 8 GB 100 GB/s 113〜151 189
Apple M2 Pro 16 GB 200 GB/s 227〜302 378
Apple M5 Ultra 96 GB 1,200 GB/s 1,360〜1,814 2,267

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

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（qwen35）を llama.cpp の本家が読み込めるのは b7990（2026年2月10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/Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-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 Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-GGUF:Q4_K_M

LM Studio

検索欄に Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-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

Qwen3.5-0.8B-Japanese-SFT（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0.53 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1.70 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
Qwen3.5-0.8B-Japanese-SFT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。
Qwen3.5-0.8B-Japanese-SFT は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB なら Q8_0（推定 1.98 GB）まで、12GB なら Q8_0（推定 1.98 GB）まで、16GB なら Q8_0（推定 1.98 GB）まで、24GB なら Q8_0（推定 1.98 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）。
Qwen3.5-0.8B-Japanese-SFT を Ollama で動かすコマンドは？
「ollama run hf.co/Takenoko12345678/Qwen3.5-0.8B-Japanese-SFT-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。