本文へ移動
localllm
EN

RichardErkhov

rinna_-_nekomata-7b-instruction

パラメータ数
7.7B
最大コンテキスト長
32,768
アーキテクチャ
qwen

rinna_-_nekomata-7b-instruction の概要

rinna_-_nekomata-7b-instruction は、GGUF 形式で公開されているモデルです。GGUF は RichardErkhov/rinna_-_nekomata-7b-instruction-gguf が公開しています。パラメータ数は約 7.7B（77億）、アーキテクチャは qwen、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 22 種類あり、ファイルサイズは Q2_K の 3.05 GB から Q8_0 の 8.21 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（4.90 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 10.3 GB、32,768 トークンでは推定 23.2 GBです。8,192 トークンなら、VRAM 12 GB 以上の GPU（GeForce RTX 3080 Ti・GeForce RTX 5070 など）か、統合メモリ 12 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（3.05 GB）なら、8,192 トークンで推定 8.42 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

RichardErkhov/rinna_-_nekomata-7b-instruction-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
qwen
llama.cpp b4409 より前から
パラメータ数
7.7B
最大コンテキスト長
32,768
rinna_-_nekomata-7b-instruction（RichardErkhov/rinna_-_nekomata-7b-instruction-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 3.05 GB とても大きい 6.27 GB 8.42 GB 12.7 GB 21.3 GB
IQ3_XS 3.47 GB 大きい 6.69 GB 8.84 GB 13.1 GB 21.7 GB
IQ3_S 3.57 GB 中くらい 6.79 GB 8.94 GB 13.2 GB 21.8 GB
Q3_K_S 3.57 GB 大きい 6.79 GB 8.94 GB 13.2 GB 21.8 GB
IQ3_M 3.88 GB 中くらい 7.10 GB 9.25 GB 13.5 GB 22.1 GB
Q3_K 4.06 GB - 7.28 GB 9.43 GB 13.7 GB 22.3 GB
Q3_K_M 4.06 GB 中くらい 7.28 GB 9.43 GB 13.7 GB 22.3 GB
Q3_K_L 4.29 GB 中くらい 7.51 GB 9.66 GB 14.0 GB 22.5 GB
IQ4_XS 4.32 GB 小さい 7.54 GB 9.69 GB 14.0 GB 22.6 GB
Q4_0 4.51 GB 中くらい 7.73 GB 9.88 GB 14.2 GB 22.8 GB
IQ4_NL 4.53 GB 小さい 7.76 GB 9.90 GB 14.2 GB 22.8 GB
Q4_K_S 4.53 GB 中くらい 7.76 GB 9.90 GB 14.2 GB 22.8 GB
Q4_K 4.90 GB - 8.12 GB 10.3 GB 14.6 GB 23.2 GB
Q4_K_M 4.90 GB 小さい 8.12 GB 10.3 GB 14.6 GB 23.2 GB
Q4_1 4.96 GB 中くらい 8.18 GB 10.3 GB 14.6 GB 23.2 GB
Q5_0 5.40 GB 小さい 8.62 GB 10.8 GB 15.1 GB 23.7 GB
Q5_K_S 5.40 GB 小さい 8.62 GB 10.8 GB 15.1 GB 23.7 GB
Q5_K 5.71 GB - 8.93 GB 11.1 GB 15.4 GB 24.0 GB
Q5_K_M 5.71 GB ごく小さい 8.93 GB 11.1 GB 15.4 GB 24.0 GB
Q5_1 5.84 GB 小さい 9.06 GB 11.2 GB 15.5 GB 24.1 GB
Q6_K 6.34 GB ごく小さい 9.56 GB 11.7 GB 16.0 GB 24.6 GB
Q8_0 8.21 GB ほぼ同じ 11.4 GB 13.6 GB 17.9 GB 26.5 GB 
Ollama  ollama run hf.co/RichardErkhov/rinna_-_nekomata-7b-instruction-gguf:Q4_K_M
llama.cpp  llama-server -hf RichardErkhov/rinna_-_nekomata-7b-instruction-gguf:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（4.90 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
Radeon RX 7600 XT 16 GB 288 GB/s 35〜47 59
Radeon RX 6950 XT 16 GB 576 GB/s 71〜94 118
GeForce RTX 5090 32 GB 1,792 GB/s 219〜293 366
Apple M2 16 GB 100 GB/s 12〜16 20
Apple M2 Pro 16 GB 200 GB/s 24〜33 41
Apple M5 Ultra 96 GB 1,200 GB/s 147〜196 245

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/RichardErkhov/rinna_-_nekomata-7b-instruction-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 RichardErkhov/rinna_-_nekomata-7b-instruction-gguf:Q4_K_M

LM Studio

検索欄に RichardErkhov/rinna_-_nekomata-7b-instruction-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

rinna_-_nekomata-7b-instruction（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4.90 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10.3 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
rinna_-_nekomata-7b-instruction は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB なら Q2_K（推定 8.42 GB）まで、12GB なら Q6_K（推定 11.7 GB）まで、16GB なら Q8_0（推定 13.6 GB）まで、24GB なら Q8_0（推定 13.6 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）。
rinna_-_nekomata-7b-instruction を Ollama で動かすコマンドは？
「ollama run hf.co/RichardErkhov/rinna_-_nekomata-7b-instruction-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。