AI PCナビ使うAIと、させたい仕事に合うPC・Macを。
トップ › モデル別 › AFM-4.5B

AFM-4.5B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Arcee AI ・ 公開 2025-07 ・ 4.62Bパラメータ ・ データ更新 2026-10-02

Arcee AIの4.5B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く

3.9GB4bit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
8GB実用になるいちばん小さいMac: M2（8GB）
65,536最大コンテキスト（学習時）

編集部の見立て

Arcee AIが一から学習した4.5Bで、クラウドから端末までの企業利用を狙った汎用の指示調整版です。学習は8兆トークンで、うち1.5兆は数学とコードに寄せた中間学習。Q4_K_Mは2.7GB、8kの文脈を含めても3.9GBしか要りません。RTX 2060 6GBで推定75.7tok/s、M2（8GB）で27.2tok/s、GPUなしのRyzen AI 300（16GB）でも22.4tok/sの快適域に入ります。

対応言語の記載はカードになく、日本語目的で選ぶ根拠は薄い。古いノートや8GBのMacで、英語の社内ツールを軽く動かしたい人向けです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/arcee-ai_AFM-4.5B-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（36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		1.6GB0.6GB2.7GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		1.8GB0.6GB2.9GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		2.0GB0.6GB3.2GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		2.2GB0.6GB3.4GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		2.4GB0.6GB3.5GBVRAM 6GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		2.7GB0.6GB3.9GBVRAM 6GB〜8GB〜
5bit（Q5_K_M）
品質重視		3.1GB0.6GB4.3GBVRAM 6GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		3.5GB0.6GB4.7GBVRAM 6GB〜8GB〜
8bit（Q8_0）
無劣化に近い		4.6GB0.6GB5.8GBVRAM 8GB〜16GB〜
16bit（BF16）
元精度		8.6GB0.6GB9.9GBVRAM 11GB〜16GB〜

モデルの構造と、必要メモリの増え方

AFM-4.5BはArcee AIが2025年7月に公開した4.62Bのモデルです。GGUFのヘッダには36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36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72KB（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0.6GB、学習時の上限65,536トークンまで伸ばすと4.5GB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

配布元の推奨設定はtemperature 0.5、top_k 50、top_p 0.95、repeat_penalty 1.1で、温度は低めが前提です。全36層が全域注意でKVは1トークン72KB。32kで2.25GB、既定上限の65,536トークンなら4.5GBになり、本体2.7GBより大きくなります。

RTX 2060の実効5.5GBでは文脈3万トークン前後が上限の計算。アーキテクチャはarceeという独自名で、活性化にReLU²を使う設計です。llama.cppとOpenVINOの変換は配布元自身が用意しており、vLLMは0.10.1以降。同じ4B級では、Qwen3.5 4Bが3.4GBでKVは1トークン32KBと軽く、画像も読めます。

文脈を長く取るならQwen3.5 4B、画像が要らず、企業向けに調整された英語の小型が要るならこちら。

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arceeで、当サイト収録の204モデル中1本が同じ系統です。ツール側の対応状況は、使う前に確認しておくと確実です。

配布元はbartowski/arcee-ai_AFM-4.5B-GGUF、元になったモデルはarcee-ai/AFM-4.5Bです。

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）（2.7GB）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
4,0960.3GB3.6GBVRAM 6GB〜8GB〜
8,192既定0.6GB3.9GBVRAM 6GB〜8GB〜
16,3841.1GB4.4GBVRAM 6GB〜8GB〜
32,7682.3GB5.5GBVRAM 8GB〜16GB〜
65,5364.5GB7.8GBVRAM 10GB〜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2.3GBから約1.1GB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
Gemma 4 E2BGoogle3.6GB最小クラス。古いノートや常時稼働の軽い用途に
Gemma 3n E2BGoogle3.5GB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
AREX-Turbo 4BBAAI（北京智源）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
Fara1.5 4BMicrosoft3.5GBFara1.5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
Qwen3.5 4BAlibaba3.4GBGPUなしのノートでも動く2026年の小型。メモリ8GBでも使える
Nanbeige4.2 3BNanbeige3.8GB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

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら127機種で20 tok/s以上、10機種で8〜20 tok/s（テキスト生成の推定・計算方法）。

快適 20 tok/s以上（127機種）

実用 8〜20 tok/s（10機種）

遅い 動くが遅い（4機種）

メモリに一部を逃がせば動く（1機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（0）を見る

    今のPCのまま、AFM-4.5Bを動かすために足すもの

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    NVMe SSD / 外付けSSD 2TB

    AFM-4.5Bは4bit（IQ4_XS）で2.4GB、8bitのQ8_0なら4.6GB。精度違いを3種類そろえるだけで約6.7GB使います。何本か試すうちに、まず内蔵SSDが先に埋まります。Macは内蔵を増設できないので外付けが前提です。

    Amazonで「NVMe SSD 2TB」を見る →Amazonで「外付けSSD 2TB USB 3.2」を見る →

    ローカルLLM / AIエージェント入門書

    AFM-4.5BのようなGGUF版のモデルを落として動かす手順、量子化の選び方、Ollama と LM Studio の使い分けは、一冊まとまったものを手元に置くと早い。

    Amazonで「ローカルLLM 本」を見る →Amazonで「AIエージェント 開発 本」を見る →

    AFM-4.5Bを動かせるPC・Macを今日買うなら

    PR: 以下はAmazonアソシエイトの広告リンクを含みます。価格の目安は執筆時点のもので変動します。価格・在庫はリンク先でご確認ください。

    ぴったりデスクトップ（BTO）

    RTX 5060（8GB）デスクトップ・メモリ32GB

    画像生成の入門と8BクラスのローカルLLM。最安のGPU機

    RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円

    要件を満たす中で最も手頃

    Amazonで「RTX 5060 搭載 デスクトップPC」を見る →
    余裕を持つならデスクトップ（BTO）

    RTX 5070（12GB）デスクトップ・メモリ32GB

    SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く

    RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円

    将来の用途拡張（大きなモデル・並列エージェント）に余裕

    Amazonで「RTX 5070 搭載 デスクトップPC」を見る →
    別の形ならMac

    Mac mini M4 Pro（メモリ48GB・SSD 1TB）

    30BクラスのローカルLLMとエージェント並列運用を1台で。コスパの中心

    M4 Pro・ユニファイドメモリ48GB・SSD 1TB・帯域273GB/s ・ 目安 30〜36万円

    Macで同じ仕事をするなら

    Amazonで「Mac mini M4 Pro 48GB」を見る →

    よくある質問

    AFM-4.5Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル2.7GB、8,192トークンのKVキャッシュを含めて約3.9GBが必要です。GPU単体ならGeForce RTX 3060 Laptop（VRAM 6GB）から実用速度で動きます。

    AFM-4.5BはMacで動く？

    動きます。ユニファイドメモリ8GB以上のApple Silicon（例: Apple M2（8GB））なら、4bit量子化で実用的な速さが出ます。

    このクラスの選び方: ローカルLLM（8Bクラス）に必要なPC / MacかWindowsか

    手持ちのPCで判定する