FreeLLMすべてのモデル › zai
Arenaスコア1333チャット部門で有料モデルを含む417件中224位
サイズ107.7 B1トークンあたり14.3 Bがアクティブ（Mixture of Experts）
4ビットのダウンロード65 GB重みのみ、Q4_K_M
最大コンテキスト64K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：chat.z.ai（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
Arenaスコア
有料モデルを含む全モデル中の順位。出典：Arenaリーダーボードのデータセット。
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 | 収まらない | — |
| RTX 4060 Ti 16 GB | 16 GB | 収まらない | — |
| RTX 3090 | 24 GB | GPU＋64 GBのRAM | 10 tok/s |
| RTX 4090 | 24 GB | GPU＋64 GBのRAM | 10 tok/s |
| RTX 5090 | 32 GB | GPU＋64 GBのRAM | 13 tok/s |
| RX 7900 XTX | 24 GB | GPU＋64 GBのRAM | 10 tok/s |
| 2 × RTX 3090 | 48 GB | GPU＋64 GBのRAM | 16 tok/s |
| 4 × RTX 3090 | 96 GB | GPUに収まる | 40 tok/s |
| Mac M4 Max 128 GB | 96 GB | GPUに収まる | 24 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | GPUに収まる | 13 tok/s |
| 8 × H100 SXM | 640 GB | GPUに収まる | 97 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 | フル精度との品質比較 |
|---|---|---|---|
| Q3_K_M | 56 GB | 61 GB | +4.7% 目立つ劣化 |
| Q4_K_M | 67 GB | 72 GB | +1.2% ごくわずかな劣化 |
| Q5_K_M | 79 GB | 83 GB | +0.4% ほぼ劣化なし |
| Q6_K | 90 GB | 95 GB | +0.2% ほぼ劣化なし |
| Q8_0 | 117 GB | 121 GB | ≈ 0% フル精度と同等 |
| F16 | 218 GB | 222 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。
チャットの似た無料モデル
- DeepSeek-V3 1333
- Gemma 3 12B IT 1334
- Ring-flash-2.0 1334
- Command A (03-2025) 1331
- NVIDIA-Nemotron-3.5-Lightning-30B-A3B (NVFP4) 1331
- QwQ-32B 1329
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