FreeLLMすべてのモデル › nvidia
Arenaスコア—Arenaではまだ投票されていません
サイズ22.4 B1トークンあたり9 Bがアクティブ（Mixture of Experts）
4ビットのダウンロード14 GB重みのみ、Q4_K_M
最大コンテキスト256K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：build.nvidia.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
新着：Arenaの投票待ち
2026年10月7日に公開。Arenaではまだこのモデルへの投票がありません。投票が入ると、通常は翌晩に自動でランキングに加わります。それまでも、サイズ、必要メモリ、速度は下記で確認できます。
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＋64 GBのRAM | 31 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | GPUに収まる | 35 tok/s |
| RTX 3090 | 24 GB | GPUに収まる | 94 tok/s |
| RTX 4090 | 24 GB | GPUに収まる | 99 tok/s |
| RTX 5090 | 32 GB | GPUに収まる | 145 tok/s |
| RX 7900 XTX | 24 GB | GPUに収まる | 96 tok/s |
| 2 × RTX 3090 | 48 GB | GPUに収まる | 91 tok/s |
| 4 × RTX 3090 | 96 GB | GPUに収まる | 86 tok/s |
| Mac M4 Max 128 GB | 96 GB | GPUに収まる | 50 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | GPUに収まる | 32 tok/s |
| 8 × H100 SXM | 640 GB | GPUに収まる | 166 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 | 12 GB | 12 GB | 13 GB | +7.8% 目立つ劣化 |
| Q4_K_M | 14 GB | 14 GB | 15 GB | +2.1% 小さな劣化 |
| Q5_K_M | 17 GB | 17 GB | 18 GB | +0.7% ごくわずかな劣化 |
| Q6_K | 19 GB | 19 GB | 20 GB | +0.3% ほぼ劣化なし |
| Q8_0 | 24 GB | 25 GB | 25 GB | ≈ 0% フル精度と同等 |
| F16 | 45 GB | 46 GB | 46 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