モデル別 必要VRAM・メモリ一覧（204本）
4bit（標準的な量子化）のファイルサイズと、8,192トークン分のKVキャッシュを含めた必要メモリです。詳細ページに量子化ごとの必要量、コンテキスト長別の増え方、動く機種があります。
条件で絞り込む
用途で絞る
サイズで絞る
| モデル | 開発元 | パラメータ | 4bitサイズ | 必要メモリ | 一言 |
|---|---|---|---|---|---|
| AREX-2 27B | BAAI（北京智源） | 26.9B | 16GB | 18GB | 答えを出し、点数やエラーを読んで作り直す周回を重ねる前提で鍛えたBAAIの27B。Apache 2.0。VRAM 20GB / Mac 32GBから |
| Holo4 35B-A3B | H Company | 34.66B MoE アクティブ3B | 21GB | 22GB | 画面を見てクリックや入力を返すパソコン操作用のMoE（総35B・アクティブ3B）。Apache 2.0。VRAM 24GB / Mac 36GBから |
| MiMo-V2.6-Distill-Qwen-9B | Xiaomi | 8.95B | 5.4GB | 6.4GB | XiaomiがQwen3.5 9Bを自社MiMoの出力で追加学習したエージェント向け9B。MIT。4bitならVRAM 8GB / Mac 16GBから |
| MiMo-V2.6-Flash-RL | Xiaomi | 308.78B MoE アクティブ15B | 156GB | 161GB | Xiaomiの総309B・活性15BのMoE。画像・動画・音声も扱う。MIT。MXFP4で約156GB、Mac 256GBから |
| MiniCPM5 2B | OpenBMB | 2.52B | 1.5GB | 2.4GB | 端末で動かす前提の2B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Nex-N2.5-mini | Nex AGI | 34.66B MoE アクティブ3.58B | 21GB | 22GB | 35B級のMoEで画像も扱える。Apache 2.0。VRAM 24GB / Mac 32GBから |
| BigBang v1 35B | endless-frontier | 35.51B MoE アクティブ3.65B | 20GB | 22GB | 35BのMoEで画像対応。Apache 2.0。アクティブパラメータが小さくメモリ32GB級でも速い |
| GLM-5.3 | Z.ai | 753.86B | 340GB | 352GB | 総754BのMoE。4bitでも400GB級で、Mac Studio 512GBが対象 |
| GLM-5.3-Flash | Z.ai | 320.76B MoE アクティブ18B | 146GB | 151GB | 総321BのMoE。メモリ192GB以上のMac Studio級が対象 |
| Granite 4.2 30B | IBM | 29.28B | 17GB | 20GB | IBMの業務向け30B（dense型）。Apache 2.0。VRAM 20GB / Mac 32GBから |
| Granite 4.2 3B | IBM | 3.66B | 2.2GB | 3.3GB | IBMの小型3B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Granite 4.2 8B | IBM | 8.79B | 5.2GB | 7.1GB | IBMの業務向け8B。Apache 2.0。4bitならVRAM 8GBに収まり、GPUなしのメモリ16GBでも動く |
| LFM2.5 2.6B | Liquid AI | 2.7B | 1.6GB | 2.2GB | LFM2.5の2.6B。端末向けの軽量設計。GPUなしのメモリ8GBのPCでも動く |
| LFM2.5-VL 3B | Liquid AI | 2.7B | 1.6GB | 2.2GB | 画像を読める小型の3B。GPUなしのメモリ8GBのPCでも動く |
| Ling 3.0 flash | inclusionAI | 127.49B MoE アクティブ5.1B | 72GB | 75GB | 総124B・アクティブ5.1BのMoE。MIT。Mac 96GB以上が対象 |
| Ling 3.0 tiny | inclusionAI | 7.89B MoE アクティブ1.3B | 4.6GB | 5.3GB | 総8BのMoEでMIT。GPUなしのPCやメモリ16GBのノートでも軽い |
| LLM-jp-4 33B thinking | LLM-jp（国立情報学研究所） | 33.22B | 19GB | 22GB | 国産フルスクラッチの最新世代で、考えてから答える33B。Apache 2.0。VRAM 24GB / Mac 32GB向け |
| Muse-Glimmer 30B | meta-models | 27.85B | 11GB | 12GB | 28Bクラスの画像対応モデル。Apache 2.0。VRAM 24GB / Mac 48GB向け |
| Nemotron 3.5 Lightning 30B-A3B | NVIDIA | 31.58B MoE アクティブ3B | 31GB | 33GB | NVIDIA製のハイブリッドMoE（アクティブ3B）。長文でもKVキャッシュが膨らみにくい構造 |
| Ornith 1.5 35B-A3B | ornith-ai | 35.51B MoE アクティブ3B | 20GB | 22GB | 35BのMoE（アクティブ3B）でMIT。メモリ32GBクラスで速く動く |
| Ornith 1.5 9B | ornith-ai | 8.95B | 5.5GB | 6.4GB | Ornith 1.5の9B（dense型）。MIT。4bitならVRAM 8GBに収まり、GPUなしのメモリ16GBでも動く |
| Qwen3.8 27B | Alibaba | 27.32B | 15GB | 17GB | 2026年8月公開の27Bのdense型。GGUF公開モデルではダウンロード数が最多クラス。VRAM 24GB / Mac 48GB向け |
| Qwen3.8-Flash-Next | Alibaba | 176.94B MoE アクティブ6B | 87GB | 91GB | 総177BのMoEで画像も読める。メモリ128GB級のMac/Strix Halo向け |
| Thomson 1.0 Small 35B-A3B | Thomson Reuters | 34.66B MoE アクティブ3.58B | 20GB | 21GB | 法務・専門文書の会社が公開した35BのMoE。メモリ32GBクラスで動く |
| UI-Mate 27B | Tencent | 26.9B | 16GB | 18GB | UI-Mateの上位27B。VRAM 24GB / Mac 48GB向け |
| UI-Mate 9B | Tencent | 8.95B | 5.5GB | 6.4GB | 画面・UIの理解を名前に掲げた9B。ブラウザ操作エージェント向け。VRAM 8GBで動く |
| UI-Venus-2 9B | inclusionAI | 8.95B | 5.5GB | 6.4GB | スマホ・ブラウザ・デスクトップの画面を操作するGUIエージェント9B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く |
| AREX-Turbo 4B | BAAI（北京智源） | 4.21B | 2.7GB | 3.5GB | 検索を繰り返す深い調査エージェント向けの4B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| DeepSeek-V4-Flash | DeepSeek | 284.33B MoE アクティブ13.8B | 127GB | 132GB | 総284BのMoEでMIT。MLA採用でKVキャッシュが小さい。メモリ192GB以上向け |
| Fara1.5 27B | Microsoft | 26.9B | 16GB | 18GB | Microsoft Researchのブラウザ操作エージェント用27B。画面のスクリーンショットを見て操作する。MIT。VRAM 20GB / Mac 24GBから |
| Fara1.5 4B | Microsoft | 4.21B | 2.7GB | 3.5GB | Fara1.5の最小4B。ノートでブラウザ操作エージェントを試すのに向く。GPUなしのメモリ8GBのPCでも動く |
| Fara1.5 9B | Microsoft | 8.95B | 5.5GB | 6.4GB | Fara1.5のブラウザ操作エージェント9B。MIT。GPUなしのメモリ16GBのPCでも動く |
| Gemma 4 12B | 11.91B | 6.6GB | 7.8GB | VRAM 12GBで日本語が上手い2026年版。Gemma 3 12Bの後継 | |
| Gemma 4 26B-A4B | 25.23B MoE アクティブ4B | 16GB | 17GB | 2026年のGoogle製MoE。メモリ24〜32GBで速い | |
| Gemma 4 31B | 30.7B | 17GB | 19GB | 2026年のGoogle製で、dense型の上位。VRAM 24GB向け | |
| Gemma 4 E2B | 4.65B | 2.9GB | 3.6GB | 最小クラス。古いノートや常時稼働の軽い用途に | |
| Gemma 4 E4B | 7.52B | 4.6GB | 5.5GB | ノート・省メモリ向け設計。メモリ8〜16GBで動く | |
| Hy3 295B-A21B | Tencent | 298.79B MoE アクティブ21B | 170GB | 178GB | Tencentの295BのMoE（アクティブ21B）。Apache 2.0。Mac 256GB以上が対象 |
| Inkling Small 264B | Thinking Machines | 263.66B MoE アクティブ12B | 151GB | 157GB | 総264BのMoE。メモリ192GB以上のMac Studio級が対象 |
| KAT-Coder-V2.5-Dev 35B-A3B | Kwaipilot（快手） | 34.66B MoE アクティブ3B | 20GB | 21GB | Qwen3.6 35B-A3Bを土台にしたコード用MoE。Apache 2.0。VRAM 20GB / Mac 32GBから |
| Laguna S 2.1 118B-A8B | poolside | 117.56B MoE アクティブ8B | 68GB | 71GB | エージェント型コーディング向けの118BのMoE（アクティブ8B）。Mac 96GB以上が対象 |
| Laguna XS 2.1 33B-A3B | poolside | 33.44B MoE アクティブ3B | 19GB | 21GB | 手元のMacで動かす前提のコード用MoE（総33B・アクティブ3B）。VRAM 20GB / Mac 32GBから |
| Nanbeige4.2 3B | Nanbeige | 4.17B | 2.5GB | 3.8GB | エージェント用途向けに調整した小型3B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Ornith 1.0 35B-A3B | deepreinforce-ai | 34.66B MoE アクティブ3B | 21GB | 22GB | コーディングエージェント向けOrnith 1.0のMoE版。MIT。VRAM 20GB / Mac 32GBから |
| Ornith 1.0 9B | deepreinforce-ai | 8.95B | 5.3GB | 6.2GB | 9Bのdense型でMITライセンス。VRAM 8GB / Mac 16GBで動く小型 |
| XYZ-Aquila mini 35B-A3B | XYZAILab | 34.66B MoE アクティブ3.58B | 20GB | 21GB | 35BのMoE。Apache 2.0。VRAM 16GB＋メモリ32GBクラスから |
| North Mini Code 1.0 | Cohere Labs | 30.48B MoE アクティブ3B | 18GB | 19GB | コード用途を名前に掲げた30BのMoE。Apache 2.0。メモリ32GB級から |
| Qwen-AgentWorld 35B-A3B | Alibaba | 34.66B MoE アクティブ3B | 21GB | 22GB | エージェント用途を名前に掲げた35BのMoE（アクティブ3B）。Apache 2.0 |
| LFM2.5 1.2B JP | Liquid AI | 1.17B | 0.7GB | 1.3GB | 日本語向けに調整された1.2B。GPUなしのメモリ8GBのノートでも軽く動く |
| LFM2.5 8B-A1B | Liquid AI | 8.47B MoE アクティブ1.5B | 5.0GB | 5.7GB | 総8.3B・アクティブ1.5BのMoE。GPUなしのメモリ8GBのPCでも速い |
| Step-3.7-Flash | StepFun | 196.96B MoE アクティブ11B | 114GB | 118GB | 総198B・アクティブ約11BのMoEで画像も読める。Apache 2.0。IQ4_XSならMac 128GBから収まる |
| Kimi K2.6 | Moonshot AI | 1026.41B MoE アクティブ32B | 318GB | 329GB | 総1T・アクティブ32BのMoE。2〜3bitでも300GBを超え、Mac 512GBの構成が対象 |
| Nemotron 3 Nano Omni 30B-A3B | NVIDIA | 31.58B MoE アクティブ3B | 22GB | 23GB | Mamba2とTransformerのハイブリッドMoE（アクティブ約3B）。画像・音声の入力にも対応。VRAM 20GB / Mac 32GBから |
| Qwen3.6 27B | Alibaba | 26.9B | 16GB | 17GB | Qwen3.5 27Bの改良版。VRAM 24GB向けのdense型では最新 |
| Qwen3.6 35B-A3B | Alibaba | 34.66B MoE アクティブ3B | 21GB | 22GB | Qwen3.5 35B-A3Bの改良版 |
| LLM-jp-4 32B-A3B thinking | LLM-jp（国立情報学研究所） | 32.14B MoE アクティブ3B | 20GB | 22GB | 国産フルスクラッチのMoE（アクティブ3B）。VRAM 20GB級のGPUやMac 32GBで速く動く |
| LLM-jp-4 8B thinking | LLM-jp（国立情報学研究所） | 8.59B | 4.9GB | 6.6GB | 国産フルスクラッチの推論型8B。4bitならVRAM 8GBに収まる |
| Mistral Small 4 119B | Mistral AI | 118.97B MoE アクティブ6.5B | 69GB | 72GB | 総119B・アクティブ6.5BのMoE。Apache 2.0。Mac 96GB以上が対象 |
| Nemotron 3 Nano 4B | NVIDIA | 3.97B | 2.7GB | 3.4GB | NVIDIAのハイブリッド構造の4B。KVキャッシュが小さく長文向き。GPUなしのメモリ8GBでも動く |
| Qwen3-Coder-Next 80B-A3B | Alibaba | 79.67B MoE アクティブ3B | 45GB | 47GB | ローカルのコーディングエージェント用途で最有力のMoE。メモリ64GB級 |
| Qwen3.5 0.8B | Alibaba | 0.77B | 0.5GB | 1.1GB | Qwen3.5の最小。4bitのファイルは1GBに満たない |
| Qwen3.5 122B-A10B | Alibaba | 122.11B MoE アクティブ10B | 71GB | 74GB | メモリ96〜128GB級向け |
| Qwen3.5 27B | Alibaba | 26.9B | 16GB | 17GB | 2026年の主力となるdense型。VRAM 24GBならQ4〜Q5で動く |
| Qwen3.5 2B | Alibaba | 1.94B | 1.3GB | 1.9GB | Qwen3.5の2B。GPUなしのメモリ8GBのPCでも軽い |
| Qwen3.5 35B-A3B | Alibaba | 34.66B MoE アクティブ3B | 21GB | 22GB | メモリ32GBのPC/Macで速く動く2026年の実用MoE |
| Qwen3.5 4B | Alibaba | 4.21B | 2.6GB | 3.4GB | GPUなしのノートでも動く2026年の小型。メモリ8GBでも使える |
| Qwen3.5 9B | Alibaba | 8.95B | 5.3GB | 6.2GB | 2026年の8Bクラスの本命。4bitならVRAM 8GBに収まり、画像も読める |
| RakutenAI-3.0 671B-A37B | 楽天 | 671.03B MoE アクティブ37B | 377GB | 390GB | 日本語向けに調整した671BのMoE（アクティブ37B）。Mac 512GB級が対象 |
| ABEJA Qwen3 14B Agentic | ABEJA | 14.77B | 8.4GB | 10GB | エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる |
| CAT-Translate 7B | CyberAgent | 7.49B | 4.2GB | 5.9GB | サイバーエージェントの翻訳専用7B。MIT。VRAM 8GBで手元の翻訳に使える |
| GPT-OSS-Swallow 120B | Swallow（東京科学大学・産総研） | 116.83B MoE アクティブ5.1B | 82GB | 85GB | gpt-oss-120bに日本語を追加学習したMoE。Mac 96GB以上向け |
| GPT-OSS-Swallow 20B | Swallow（東京科学大学・産総研） | 20.91B MoE アクティブ3.6B | 15GB | 16GB | gpt-oss-20bの日本語強化版。VRAM 16GBに載る |
| Kimi Linear 48B-A3B | Moonshot AI | 49.12B MoE アクティブ3B | 28GB | 29GB | 線形注意を使う48BのMoE（アクティブ3B）。長文でもKVキャッシュが増えにくい。MIT。VRAM 32GB / Mac 48GBから |
| MiniMax-M2.5 229B-A10B | MiniMax | 228.69B MoE アクティブ10B | 129GB | 135GB | コードとエージェント用途に重点を置いた229BのMoE（アクティブ10B）。Mac 192GB以上が対象 |
| Nemotron-Nano 9B v2 Japanese | NVIDIA | 8.89B | 6.1GB | 6.9GB | NVIDIA製の日本語版9B。大半がSSM層でKVキャッシュが小さく、長文でもメモリが増えにくい |
| Qwen3-Swallow 30B-A3B | Swallow（東京科学大学・産総研） | 30.53B MoE アクティブ3.3B | 17GB | 19GB | Qwen3 30B-A3Bに日本語を追加学習したMoE。VRAM 20GB級のGPUやMac 32GBで速い |
| Qwen3.5 397B-A17B | Alibaba | 396.35B MoE アクティブ17B | 227GB | 235GB | Qwen3.5の最上位MoE（総397B・アクティブ17B）。Mac 256GB以上が対象 |
| Falcon-H1R 7B | TII | 7.59B | 4.3GB | 5.3GB | Mamba系を混ぜたハイブリッド構造の推論型7B。GPUなしのメモリ16GBのPCでも動く |
| GLM-4.7-Flash 30B-A3B | Z.ai | 29.94B MoE アクティブ3B | 17GB | 19GB | MLA採用でKVキャッシュが小さい軽量MoE |
| Qwen3-Swallow 8B | Swallow（東京科学大学・産総研） | 8.19B | 4.7GB | 6.4GB | Qwen3 8Bの日本語強化版。4bitならVRAM 8GBに収まる |
| Devstral 2 123B | Mistral AI | 125.03B | 70GB | 75GB | コーディングエージェント向けの123B（dense型）。Mac 96GB以上が対象 |
| Devstral Small 2 24B | Mistral AI | 23.57B | 13GB | 16GB | Devstral Smallの第2世代。コーディングエージェント向け。VRAM 16GB / Mac 24GBから |
| GLM-4.6V-Flash 9B | Z.ai | 9.4B | 5.7GB | 6.7GB | 画像理解の軽量モデル |
| Ministral 3 14B | Mistral AI | 13.51B | 7.7GB | 9.7GB | Mistralの14B。Apache 2.0。VRAM 10GB / Mac 16GBから |
| Ministral 3 3B | Mistral AI | 3.43B | 2.0GB | 3.4GB | Mistralの小型3B。Apache 2.0。GPUなしのメモリ8GBでも動く |
| Ministral 3 8B | Mistral AI | 8.49B | 4.8GB | 6.5GB | Ministral 3の8B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く |
| Mistral Large 3 675B | Mistral AI | 673.42B MoE アクティブ39B | 379GB | 392GB | Mistralの最上位MoE（総673B・アクティブ39B）。Apache 2.0。Q4_K_Mは512GBのMacにも載らず、IQ4_XSかMXFP4で収まる |
| Olmo 3.1 32B | Ai2 | 32.23B | 18GB | 20GB | 学習過程まで公開したAi2の32B（dense型）。Apache 2.0。VRAM 20GB / Mac 32GBから |
| Shisa V2.1 Llama 3.3 70B | Shisa.AI | 70.55B | 40GB | 44GB | 日英バイリンガルに調整した70B。Mac 64GB以上かVRAM 48GB級 |
| Shisa V2.1 Qwen3 8B | Shisa.AI | 8.19B | 4.7GB | 6.4GB | Qwen3 8Bを日英バイリンガルに調整。VRAM 8GB |
| Shisa V2.1 unphi4 14B | Shisa.AI | 14.66B | 8.3GB | 11GB | Phi-4系を日英バイリンガルに調整した14B。VRAM 12GB |
| Granite 4.0 H-Small 32B-A9B | IBM | 32.21B MoE アクティブ9B | 18GB | 19GB | Mamba系の層を混ぜたIBMのMoE（総32B・アクティブ9B）。Apache 2.0。VRAM 20GB / Mac 32GBから |
| Granite 4.0 H-Tiny | IBM | 6.94B | 4.0GB | 4.6GB | Mamba系の層を混ぜたIBMの小型MoE。長文でもKVキャッシュが増えにくい。GPUなしのメモリ16GBでも動く |
| Qwen3-VL 2B | Alibaba | 1.72B | 1.0GB | 2.4GB | Qwen3-VLの最小。GPUなしでも画像を読める |
| Qwen3-VL 30B-A3B | Alibaba | 30.53B MoE アクティブ3.3B | 17GB | 19GB | 画像を読めるQwen3のMoE（アクティブ3B級）。VRAM 20GB / Mac 32GBから |
| Qwen3-VL 32B | Alibaba | 32.76B | 18GB | 21GB | 画像理解の上位。VRAM 24GB |
| Qwen3-VL 4B | Alibaba | 4.02B | 2.3GB | 4.0GB | 画像・画面を読ませる小型の4B。GPUなしのメモリ8GBでも動く |
| Qwen3-VL 8B | Alibaba | 8.19B | 4.7GB | 6.4GB | 画像・画面・書類を読ませる用途の8B。VRAM 8GB |
| Apertus 8B | Swiss AI | 8.05B | 4.7GB | 6.4GB | 学習データまで公開したスイスの8B。1000以上の言語に対応。Apache 2.0。GPUなしのメモリ16GBのPCでも動く |
| ERNIE 4.5 21B-A3B Thinking | Baidu | 21.83B MoE アクティブ3B | 12GB | 14GB | Baiduの推論型MoE（総21B・アクティブ3B）。Apache 2.0。VRAM 16GB / Mac 24GBから |
| Magistral Small 2509 | Mistral AI | 23.57B | 13GB | 15GB | Mistralの推論モデル24B。VRAM 16GB |
| Qwen3-Next 80B-A3B | Alibaba | 79.67B MoE アクティブ3B | 45GB | 47GB | 注意機構がハイブリッド型で、長文でもKVキャッシュが膨らみにくい |
| EXAONE 4.0.1 32B | LG AI Research | 32B | 18GB | 20GB | LGの32B（dense型）。推論モードを切り替えられる。VRAM 20GB / Mac 32GBから |
| Gemma 3 270M | 0.27B | 0.2GB | 0.8GB | 2億7千万パラメータの極小。特定作業への追加学習の土台向け | |
| gpt-oss-120b | OpenAI | 116.83B MoE アクティブ5.1B | 59GB | 62GB | メモリ64GB以上のMac/Strix Haloで現実的 |
| gpt-oss-20b | OpenAI | 20.91B MoE アクティブ3.6B | 11GB | 12GB | OpenAI初のオープンモデル。MXFP4でVRAM 16GBに載る |
| Hunyuan 7B | Tencent | 7.5B | 4.3GB | 5.9GB | Tencentの7B（dense型）。学習時の文脈256K。GPUなしのメモリ16GBのPCでも動く |
| Nemotron Nano 12B v2 | NVIDIA | 12.31B | 7.0GB | 7.9GB | NVIDIAのハイブリッド構造の12B。KVキャッシュが小さく長文向き。GPUなしのメモリ16GBのPCでも動く |
| Seed-OSS 36B | ByteDance | 36.15B | 20GB | 23GB | 長文コンテキストに強い36Bのdense型。VRAM 24〜32GB向け |
| AFM-4.5B | Arcee AI | 4.62B | 2.7GB | 3.9GB | Arcee AIの4.5B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Devstral Small 2507 | Mistral AI | 23.57B | 13GB | 15GB | コーディングエージェント向けに調整された24B。VRAM 16GB |
| ERNIE 4.5 300B-A47B | Baidu | 299.48B MoE アクティブ47B | 168GB | 175GB | Baiduの300BのMoE（アクティブ47B）。Apache 2.0。Mac 256GB以上が対象 |
| EXAONE 4.0 1.2B | LG AI Research | 1.28B | 0.8GB | 1.7GB | EXAONE 4.0の最小1.2B。GPUなしのメモリ8GBのPCでも動く |
| GLM-4.5 355B-A32B | Z.ai | 358.34B MoE アクティブ32B | 202GB | 211GB | GLM-4.5-Airの上位（総355B・アクティブ32B）。MIT。Mac 256GB以上が対象 |
| GLM-4.5-Air 106B-A12B | Z.ai | 110.47B MoE アクティブ12B | 68GB | 72GB | メモリ64GB以上向けの高性能MoE |
| Hunyuan-A13B 80B | Tencent | 80.39B MoE アクティブ13B | 46GB | 49GB | Tencentの80BのMoE（アクティブ13B）。VRAM 48GB / Mac 64GBから |
| Qwen3 30B-A3B | Alibaba | 30.53B MoE アクティブ3.3B | 17GB | 19GB | MoE型で、メモリさえ足りれば速い。Macやメモリ多めのPC向き |
| Qwen3-Coder 30B-A3B | Alibaba | 30.53B MoE アクティブ3.3B | 17GB | 19GB | ローカルのコード補助の定番MoE |
| Qwen3-Coder 480B-A35B | Alibaba | 480.15B MoE アクティブ35B | 270GB | 281GB | Qwen3-Coderの最上位MoE（総480B・アクティブ35B）。Apache 2.0。Mac 512GB以上が対象 |
| SmolLM3 3B | Hugging Face | 3.08B | 1.8GB | 2.9GB | 学習手順まで公開された3B。Apache 2.0。GPUなしのメモリ8GBでも動く |
| Stockmark-2 100B | Stockmark | 96B | 54GB | 58GB | ビジネス文書に強みを置く国産の100B（dense型）。MIT。Mac 96GB以上が対象 |
| Gemma 3n E2B | 4.46B | 2.8GB | 3.5GB | スマホ・ノート向けGemma 3nの小さいほう。GPUなしのメモリ16GBでも動く | |
| Gemma 3n E4B | 6.87B | 4.2GB | 5.0GB | スマホ/ノート向け設計。メモリ8GBで動く | |
| Llama 3.1 Swallow 8B | Swallow（東京科学大学・産総研） | 8.03B | 4.6GB | 6.2GB | Llama 3.1 8Bの日本語強化版（v0.5）。VRAM 8GB |
| Mistral Small 3.2 24B | Mistral AI | 23.57B | 13GB | 15GB | Q4ならVRAM 16GBに収まる欧州製 |
| ABEJA Qwen2.5 32B Japanese | ABEJA | 32.76B | 18GB | 22GB | 日本語追加学習の32B。VRAM 24GB |
| DeepSeek-R1-0528 Qwen3 8B | DeepSeek | 8.19B | 4.7GB | 6.4GB | R1蒸留の改良版8B |
| ELYZA-Shortcut-1.0 Qwen 32B | ELYZA | 32.76B | 18GB | 22GB | 推論過程を省いて速く答える日本語32B |
| LLM-jp-3.1 1.8B | LLM-jp（国立情報学研究所） | 1.87B | 1.1GB | 3.1GB | 国産フルスクラッチの小型。GPUなしのノートでも動く |
| LLM-jp-3.1 13B | LLM-jp（国立情報学研究所） | 13.71B | 7.8GB | 15GB | 国産のフルスクラッチ日本語モデル。VRAM 12GB |
| PLaMo 2 Translate | Preferred Networks | 9.53B | 4.3GB | 5.2GB | 国産の翻訳専用モデル（約10B）。チャットではなく日英・英日の翻訳に使う |
| ELYZA-Shortcut-1.0 Qwen 7B | ELYZA | 7.62B | 4.4GB | 5.4GB | 推論過程を省いてすぐ答える日本語7B。VRAM 8GB |
| ELYZA-Thinking-1.0 Qwen 32B | ELYZA | 32.76B | 18GB | 22GB | 考えてから答える日本語の推論型32B。VRAM 24GB |
| Gemma-2-Llama-Swallow 27B | Swallow（東京科学大学・産総研） | 27.23B | 16GB | 19GB | Gemma 2 27Bの日本語強化版。VRAM 24GB向け |
| Gemma-2-Llama-Swallow 9B | Swallow（東京科学大学・産総研） | 9.24B | 5.4GB | 8.0GB | Gemma 2 9Bの日本語強化版。4bitならVRAM 8GBに収まる |
| Llama 4 Maverick 17B-128E | Meta | 400.71B MoE アクティブ17B | 226GB | 235GB | Llama 4 Scoutの上位（総400B・アクティブ17B）。Mac 512GB以上が対象 |
| Llama 4 Scout 17B-16E | Meta | 107.77B MoE アクティブ17B | 61GB | 65GB | 総109BのMoE。メモリ64GB以上 |
| Qwen3 0.6B | Alibaba | 0.6B | 0.4GB | 1.8GB | Qwen3の最小。組み込みや下書きの前処理向け |
| Qwen3 1.7B | Alibaba | 1.72B | 1.0GB | 2.4GB | Qwen3の1.7B。思考モードを持つ小型で、GPUなしのメモリ8GBでも動く |
| Qwen3 14B | Alibaba | 14.77B | 8.4GB | 10GB | Q4ならVRAM 12GBに収まる。8Bとの差が体感できる中量級 |
| Qwen3 235B-A22B | Alibaba | 235.09B MoE アクティブ22B | 132GB | 138GB | メモリ128GB級のMac StudioやStrix Haloで動かす巨大なMoE |
| Qwen3 32B | Alibaba | 32.76B | 18GB | 21GB | VRAM 24GBで動かせる最大級のdense型モデル |
| Qwen3 4B | Alibaba | 4.02B | 2.3GB | 4.0GB | 4Bながら日本語が破綻しにくい。メモリ8GBのノートでも動く入門向け |
| Qwen3 8B | Alibaba | 8.19B | 4.7GB | 6.4GB | VRAM 8GBクラスの定番。日本語チャットの最初の1本 |
| ABEJA Qwen2.5 7B Japanese | ABEJA | 7.62B | 4.4GB | 5.4GB | ABEJAの日本語追加学習7B。VRAM 8GB |
| Command A 111B | Cohere | 111.06B | 63GB | 66GB | Cohereの111B（dense型）。研究用途向けライセンス（CC BY-NC）。Mac 96GB以上が対象 |
| Gemma 3 12B | 11.77B | 6.8GB | 8.3GB | VRAM 12GBで日本語が上手い定番 | |
| Gemma 3 1B | 1B | 0.8GB | 1.3GB | Gemma 3の1B。文章専用の小型で、GPUなしのメモリ8GBでも動く | |
| Gemma 3 27B | 27.01B | 15GB | 17GB | VRAM 24GB向け。日本語品質は最上位クラス | |
| Gemma 3 4B | 3.88B | 2.3GB | 3.2GB | 画像も読める小型。日本語も自然 | |
| Llama 3.3 Swallow 70B | Swallow（東京科学大学・産総研） | 70.55B | 40GB | 44GB | Llama 3.3 70Bの日本語強化版。Mac 64GB以上かVRAM 48GB級 |
| Qwen2.5-VL 32B | Alibaba | 32.76B | 18GB | 22GB | Qwen2.5-VLの上位32B。画像・画面の読み取り。VRAM 20GB / Mac 32GBから |
| Phi-4-mini 3.8B | Microsoft | 3.84B | 2.3GB | 3.9GB | GPUなしでも動く小型 |
| RakutenAI-2.0 mini | 楽天 | 1.53B | 0.9GB | 1.7GB | 楽天の小型1.5B。GPUなしのノートでも動く |
| Sarashina2.2 0.5B | SB Intuitions | 0.79B | 0.5GB | 1.5GB | Sarashina2.2の最小。組み込みや常時稼働の軽い処理向け |
| Sarashina2.2 1B | SB Intuitions | 1.41B | 0.9GB | 2.0GB | Sarashina2.2の1B。ファイルは1GB未満で、GPUなしの古いノートでも動く |
| Sarashina2.2 3B | SB Intuitions | 3.36B | 1.9GB | 3.7GB | ソフトバンク系の国産フルスクラッチ3B。MITライセンス。GPUなしのノートでも動く |
| DeepSeek-R1 Distill Llama 70B | DeepSeek | 70.55B | 40GB | 44GB | R1をLlama 70Bに蒸留した推論型。VRAM 48GB / Mac 64GBから |
| DeepSeek-R1 Distill Llama 8B | DeepSeek | 8.03B | 4.6GB | 6.2GB | R1をLlama 8Bに蒸留した推論型。4bitならVRAM 8GBに収まる |
| DeepSeek-R1 Distill Qwen 14B | DeepSeek | 14.77B | 8.4GB | 11GB | VRAM 12GB向け推論モデル |
| DeepSeek-R1 Distill Qwen 14B Japanese | CyberAgent | 14.77B | 8.4GB | 11GB | サイバーエージェントの日本語追加学習版 |
| DeepSeek-R1 Distill Qwen 32B | DeepSeek | 32.76B | 18GB | 22GB | VRAM 24GB向け推論モデル |
| DeepSeek-R1 Distill Qwen 32B Japanese | CyberAgent | 32.76B | 18GB | 22GB | 14B版の上位。日本語データで追加学習した推論型32B。VRAM 24GB |
| DeepSeek-R1 Distill Qwen 7B | DeepSeek | 7.62B | 4.4GB | 5.4GB | 推論（考えてから答える）型の入門 |
| KARAKURI LM 32B Thinking | カラクリ | 32.76B | 18GB | 22GB | カスタマーサポートAIの会社が出した推論型32B（実験版）。VRAM 24GB |
| Qwen2.5-VL 3B | Alibaba | 3.09B | 1.8GB | 2.6GB | Qwen2.5-VLの小型3B。GPUなしのメモリ8GBのPCでも動く |
| Qwen2.5-VL 7B | Alibaba | 7.62B | 4.4GB | 5.4GB | 画像理解の7B。Qwen3-VL以前の定番。4bitならVRAM 8GBに収まる |
| RakutenAI-2.0 8x7B | 楽天 | 46.83B MoE アクティブ13B | 27GB | 29GB | 楽天の日本語MoE（総47B・アクティブ13B）。Mac 48GB以上かVRAM 32GB向け |
| TinySwallow 1.5B | Sakana AI | 1.54B | 0.9GB | 1.7GB | 大きいモデルから知識を移した日本語の小型。GPUなしのPCでも軽い |
| Command R7B | Cohere | 8.03B | 4.7GB | 6.0GB | Cohereの7B。研究用途向けライセンス（CC BY-NC）。GPUなしのメモリ16GBのPCでも動く |
| Llama 3.3 70B | Meta | 70.55B | 40GB | 44GB | 70Bのdense型。VRAM 48GB以上かMac 64GB以上 |
| Phi-4 14B | Microsoft | 14.66B | 8.4GB | 11GB | 数学・推論に強い14B |
| Qwen2.5-Coder 14B | Alibaba | 14.77B | 8.4GB | 11GB | VRAM 12GB向けコードモデル |
| Qwen2.5-Coder 32B | Alibaba | 32.76B | 18GB | 22GB | ローカルでのコード補助に使う高品質なdense型。VRAM 24GB向け |
| Qwen2.5-Coder 3B | Alibaba | 3.09B | 1.8GB | 2.6GB | Qwen2.5-Coderの小型3B。補完向け。GPUなしのメモリ8GBのPCでも動く |
| Aya Expanse 32B | Cohere | 32.3B | 18GB | 21GB | 日本語を含む23言語向けの32B。CC BY-NC。VRAM 20GB / Mac 32GBから |
| Aya Expanse 8B | Cohere | 8.03B | 4.7GB | 6.4GB | 日本語を含む23言語向けの8B。CC BY-NC。GPUなしのメモリ16GBのPCでも動く |
| Gemma 2 Baku 2B | rinna | 2.61B | 1.6GB | 2.7GB | rinnaがGemma 2 2Bに日本語を追加学習した小型。GPUなしのメモリ8GBのPCでも動く |
| Llama 3.2 1B | Meta | 1.24B | 0.8GB | 1.5GB | Llamaの最小。GPUなしのメモリ8GBのPCでも軽い |
| Llama 3.2 3B | Meta | 3.21B | 1.9GB | 3.3GB | GPUなしのノートでも動く軽量級 |
| Qwen2.5 0.5B | Alibaba | 0.49B | 0.4GB | 1.0GB | Qwen2.5の最小。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Qwen2.5 1.5B | Alibaba | 1.78B | 1.0GB | 1.8GB | Qwen2.5の1.5B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く |
| Qwen2.5 14B | Alibaba | 14.77B | 8.4GB | 11GB | 2024年の14B（dense型）。VRAM 11GB / Mac 16GBから |
| Qwen2.5 32B | Alibaba | 32.76B | 18GB | 22GB | 日本語追加学習モデルの土台に多く使われた32B。VRAM 20GB / Mac 32GBから |
| Qwen2.5 3B | Alibaba | 3.09B | 1.8GB | 2.6GB | Qwen2.5の3B。GPUなしのメモリ8GBのPCでも動く |
| Qwen2.5 72B | Alibaba | 72.71B | 44GB | 48GB | 2024年のQwen2.5の最上位（dense型）。VRAM 48GB / Mac 64GBから |
| Qwen2.5 7B | Alibaba | 7.62B | 4.4GB | 5.4GB | 2024年の定番7B。4bitならVRAM 8GBに収まり、GPUなしのメモリ16GBでも動く |
| Qwen2.5-Coder 7B | Alibaba | 7.62B | 4.4GB | 5.4GB | 軽いコード補助用。VRAM 8GBで実用になる |
| Mistral Nemo Japanese 12B | CyberAgent | 12.25B | 7.0GB | 8.9GB | 日本語追加学習の12B。VRAM 8〜12GB |
| Phi-3.5-mini 3.8B | Microsoft | 3.82B | 2.2GB | 5.8GB | Phi-4-mini以前の3.8B。MIT。GPUなしのメモリ16GBでも動く |
| Tanuki-8B | 松尾・岩澤研究室 GENIAC | 7.51B | 4.2GB | 5.9GB | GENIACで国産フルスクラッチ開発した8B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く |
| Tanuki-8x8B | 松尾・岩澤研究室 GENIAC | 46.97B MoE アクティブ13B | 27GB | 29GB | Tanuki-8BをMoE化した47B（アクティブ13B）。Apache 2.0。VRAM 32GB / Mac 48GBから |
| Llama 3 Youko 70B | rinna | 70.55B | 40GB | 44GB | rinnaの日本語70B。VRAM 48GB / Mac 64GBから |
| Llama 3 Youko 8B | rinna | 8.03B | 4.6GB | 6.2GB | rinnaがLlama 3 8Bに日本語を追加学習。GPUなしのメモリ16GBのPCでも動く |
| Llama 3.1 70B | Meta | 70.55B | 40GB | 44GB | Llama 3.3 70Bの前の世代の70B（dense型）。VRAM 48GB / Mac 64GBから |
| Llama 3.1 70B Japanese | CyberAgent | 70.55B | 40GB | 44GB | サイバーエージェントがLlama 3.1 70Bに日本語を追加学習。VRAM 48GB / Mac 64GBから |
| Llama 3.1 8B | Meta | 8.03B | 4.6GB | 6.2GB | 英語圏の基準モデル。日本語はQwenに劣る |
| Mistral Nemo 12B | Mistral AI | 12.25B | 7.0GB | 8.9GB | 長文向け12B |
| Gemma 2 9B | 9.24B | 5.4GB | 8.0GB | Gemma 2の9B。Swallow版など派生モデルの元。4bitならVRAM 8GBに収まる | |
| Llama-3-ELYZA-JP-8B | ELYZA | 8.03B | 4.6GB | 6.2GB | 国産の日本語特化8B。VRAM 8GB |
| Codestral 22B | Mistral AI | 22.25B | 12GB | 15GB | Mistralのコード専用22B。VRAM 16GB / Mac 24GBから |
| Mistral 7B v0.3 | Mistral AI | 7.25B | 4.1GB | 5.7GB | 2023〜2024年の定番7B。Apache 2.0。GPUなしのメモリ16GBのPCでも動く |
| Mixtral 8x22B | Mistral AI | 140.63B MoE アクティブ39B | 80GB | 84GB | Mixtralの上位（総141B・アクティブ39B）。Apache 2.0。Mac 128GB以上が対象 |
| Mixtral 8x7B | Mistral AI | 46.7B MoE アクティブ13B | 26GB | 29GB | 公開MoEの先駆け（総47B・アクティブ13B）。Apache 2.0。VRAM 32GB / Mac 48GBから |