FreeLLMすべてのモデル › google
Arenaスコア—Arenaではまだ投票されていません
サイズ4.3 Bパラメータ
4ビットのダウンロード2.6 GB重みのみ、Q4_K_M
最大コンテキスト128Kトークン、モデル設定より
無料で使える場所
- ラボ公式のチャット：aistudio.google.com（1日の利用制限つきで無料）
- 自宅でダウンロードして動かす：公式の重み · Ollama と LM Studio 用の GGUF ファイル（先にHugging Faceでライセンスに同意してください）
Arenaの投票はまだありません
Arenaではこのモデルへの投票はありません。開発元の公式Hugging Faceページで人気の小型モデルのため掲載しています（月間1.1Mダウンロード）。
よく使われるハードウェアでの速度
| ハードウェア | GPUメモリ | 収まる？ | 速度 |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | GPUに収まる | 74 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | GPUに収まる | 60 tok/s |
| RTX 3090 | 24 GB | GPUに収まる | 171 tok/s |
| RTX 4090 | 24 GB | GPUに収まる | 182 tok/s |
| RTX 5090 | 32 GB | GPUに収まる | 284 tok/s |
| RX 7900 XTX | 24 GB | GPUに収まる | 175 tok/s |
| 2 × RTX 3090 | 48 GB | GPUに収まる | 166 tok/s |
| 4 × RTX 3090 | 96 GB | GPUに収まる | 157 tok/s |
| Mac M4 Max 128 GB | 96 GB | GPUに収まる | 85 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | GPUに収まる | 54 tok/s |
| 8 × H100 SXM | 640 GB | GPUに収まる | 352 tok/s |
4ビット、32Kコンテキスト、オフロード用にDDR5を64 GBとした推定値。速度 ≈ メモリ帯域 × 78% ÷ 1トークンあたりの読み込みデータ量に、トークンごとの固定コストを加えたもので、44件の実際の llama.cpp テストで補正しています。典型的な誤差は約±10%です。すべてのGPUを比較。
必要なGPUメモリ
| レベル | 8Kコンテキスト | 32Kコンテキスト | 128Kコンテキスト | フル精度との品質比較 |
|---|---|---|---|---|
| Q3_K_M | 3.1 GB | 3.7 GB | 6.1 GB | +10.5% 目立つ劣化 |
| Q4_K_M | 3.5 GB | 4.1 GB | 6.5 GB | +2.8% 小さな劣化 |
| Q5_K_M | 4.0 GB | 4.6 GB | 7.0 GB | +0.9% ごくわずかな劣化 |
| Q6_K | 4.4 GB | 5.0 GB | 7.5 GB | +0.3% ほぼ劣化なし |
| Q8_0 | 5.5 GB | 6.1 GB | 8.5 GB | ≈ 0% フル精度と同等 |
| F16 | 9.5 GB | 10 GB | 13 GB | ≈ 0% フル精度と同等 |
重み＋コンテキストキャッシュ（モデルのアーキテクチャから算出）＋ランタイム。品質：フル精度モデルに対するperplexityの増加分で、llama.cpp のテストをもとにモデルサイズに合わせて換算しています。自分の環境をシミュレーション。
このページを共有：XLinkedInRedditWhatsApp
数字の誤りやリンク切れを見つけましたか？間違いを報告