トップ › モデル別 › ABEJA Qwen2.5 7B Japanese

ABEJA Qwen2.5 7B Japanese を動かすPCスペック（必要VRAM・メモリ・速度の目安）

ABEJA ・公開 2025-03 ・ 7.62Bパラメータ・データ更新 2026-10-02

ABEJAの日本語追加学習7B。VRAM 8GB

5.4GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 6GB実用になるいちばん安いGPU: GeForce RTX 3060 Laptop

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

32,768最大コンテキスト（学習時）

編集部の見立て

作り方が一風変わった7Bです。ABEJAの32B（v0.1）を元に蒸留で日本語を学ばせ、指示に従う力は事後学習ではなく、Qwen2.5の指示版と素の版の差分ベクトル（ChatVector）を足して付けた、と配布元は説明しています。版はv0.1。4bitで8kの文脈を含めて5.4GBなので、RTX 2060 6GBで推定49.5tok/s、GPUなしのRyzen AI 300でも推定14.6tok/s。軽い機材でABEJA系の日本語モデルを手軽に試せます。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mmnga/ABEJA-Qwen2.5-7b-Japanese-v0.1-gguf）に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（28層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化	ファイル	KVキャッシュ（8k）	必要合計	GPUなら	Macなら
2bit（IQ2_M）品質劣化大。最後の手段	2.6GB	0.4GB	3.6GB	VRAM 6GB〜	8GB〜
2bit（Q2_K）品質劣化大。最後の手段	2.8GB	0.4GB	3.8GB	VRAM 6GB〜	8GB〜
3bit（IQ3_M）メモリ優先	3.3GB	0.4GB	4.4GB	VRAM 6GB〜	8GB〜
3bit（Q3_K_M）メモリ優先	3.5GB	0.4GB	4.6GB	VRAM 6GB〜	8GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	3.9GB	0.4GB	5.0GB	VRAM 6GB〜	8GB〜
4bit（Q4_K_M）標準。迷ったらこれ	4.4GB	0.4GB	5.4GB	VRAM 6GB〜	16GB〜
5bit（Q5_K_M）品質重視	5.1GB	0.4GB	6.2GB	VRAM 8GB〜	16GB〜
6bit（Q6_K）ほぼ無劣化	5.8GB	0.4GB	6.9GB	VRAM 8GB〜	16GB〜
8bit（Q8_0）無劣化に近い	7.5GB	0.4GB	8.7GB	VRAM 10GB〜	16GB〜

モデルの構造と、必要メモリの増え方

ABEJA Qwen2.5 7B JapaneseはABEJAが2025年3月に公開した7.62Bのモデルです。GGUFのヘッダには28層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。全28層が全域注意で、KVヘッド4・head次元128。

KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約56KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで0.4GB、学習時の上限32,768トークンまで伸ばすと1.8GBです。

ライセンス表記: apache-2.0（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

事後学習を実施していない、と配布元が明記している点は押さえておきたいところです。チャット用に仕上げた版ではないので、アプリのシステムプロンプトで役割と出力の形をはっきり指定する使い方が合います。量子化で小さくしなくても構いません。Q8_0でも7.5GBで、RTX 3060 12GBやMac 16GB（実効10.7GB）なら8k分のKV 0.4GBを足して収まります。

同じ大きさのELYZA-Shortcut-1.0 Qwen 7Bとは機材の条件がまったく同じ。両方落として同じ文章を投げ比べるのが早い。ABEJAの中で上を目指すなら、エージェント向けのABEJA Qwen3 14B Agentic（10.4GB）か、蒸留元の系統にあたる32B（21.5GB）の2択です。Apache 2.0。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはqwen2で、当サイト収録の204モデル中23本が同じ系統です。Qwen2系。llama.cppの対応が最も早く入る系統のひとつで、量子化の配布も充実しています。

配布元はmmnga/ABEJA-Qwen2.5-7b-Japanese-v0.1-gguf、元になったモデルはabeja/ABEJA-Qwen2.5-7b-Japanese-v0.1です。

得意分野は日本語の文章です。

同じABEJAのモデルでは、サイズの近いものにABEJA Qwen3 14B Agentic（14.77B）、ABEJA Qwen2.5 32B Japanese（32.76B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（4.4GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキスト	KVキャッシュ	必要合計	必要なGPU	必要なMac
4,096	0.2GB	5.2GB	VRAM 6GB〜	8GB〜
8,192既定	0.4GB	5.4GB	VRAM 6GB〜	16GB〜
16,384	0.9GB	5.9GB	VRAM 8GB〜	16GB〜
32,768	1.8GB	6.7GB	VRAM 8GB〜	16GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約1.8GBから約0.9GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル	開発元	4bitで必要	一言
ELYZA-Shortcut-1.0 Qwen 7B	ELYZA	5.4GB	推論過程を省いてすぐ答える日本語7B。VRAM 8GB
DeepSeek-R1 Distill Qwen 7B	DeepSeek	5.4GB	推論（考えてから答える）型の入門
Qwen2.5-VL 7B	Alibaba	5.4GB	画像理解の7B。Qwen3-VL以前の定番。4bitならVRAM 8GBに収まる
Qwen2.5 7B	Alibaba	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	5.4GB	軽いコード補助用。VRAM 8GBで実用になる
Falcon-H1R 7B	TII	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