FreeLLMすべてのモデル › alibaba
Arenaスコア1047ビジョン部門で有料モデルを含む167件中141位
サイズ73.4 Bパラメータ
4ビットのダウンロード44 GB重みのみ、Q4_K_M
最大コンテキスト32K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.qwen.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
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 | 1.6 tok/s |
| RTX 4060 Ti 16 GB | 16 GB | GPU＋64 GBのRAM | 1.7 tok/s |
| RTX 3090 | 24 GB | GPU＋64 GBのRAM | 2.2 tok/s |
| RTX 4090 | 24 GB | GPU＋64 GBのRAM | 2.2 tok/s |
| RTX 5090 | 32 GB | GPU＋64 GBのRAM | 3.0 tok/s |
| RX 7900 XTX | 24 GB | GPU＋64 GBのRAM | 2.2 tok/s |
| 2 × RTX 3090 | 48 GB | GPU＋64 GBのRAM | 5.6 tok/s |
| 4 × RTX 3090 | 96 GB | GPUに収まる | 12 tok/s |
| Mac M4 Max 128 GB | 96 GB | GPUに収まる | 7.5 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | GPUに収まる | 3.6 tok/s |
| 8 × H100 SXM | 640 GB | GPUに収まる | 37 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 | 40 GB | 48 GB | +4.7% 目立つ劣化 |
| Q4_K_M | 48 GB | 56 GB | +1.2% ごくわずかな劣化 |
| Q5_K_M | 55 GB | 64 GB | +0.4% ほぼ劣化なし |
| Q6_K | 63 GB | 72 GB | +0.2% ほぼ劣化なし |
| Q8_0 | 81 GB | 89 GB | ≈ 0% フル精度と同等 |
| F16 | 150 GB | 158 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。
ビジョンスコアの推移
110012001300
5月6月7月8月9月10月
Qwen2-VL-72B 1047最高の有料モデル
Arenaスコア（2026年4月22日～2026年10月19日）。
ビジョンの似た無料モデル
- Molmo 2 8B 1081
- Molmo 72B (0924) 1012
- Pixtral 12B (2409) 1009
- Pixtral Large (2411) 1089
- InternVL2 26B 1005
- Llama 3.2 90B Vision Instruct 1000
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