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 › AREX-Turbo 4B

AREX-Turbo 4B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

BAAI（北京智源） ・ 公開 2026-07 ・ 4.21Bパラメータ ・ データ更新 2026-10-02

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

3.5GB4bit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）
262,144最大コンテキスト（学習時）

編集部の見立て

検索と閲覧を何周も繰り返して答えを組み立てる、深い調査用のエージェントとして北京智源（BAAI）が公開した4Bです。土台はQwen3.5-4B。途中の答えを自分で検証し、足りない条件を追加の検索に変え、行き詰まれば調査をやり直す枠組みを小さな本体に収めています。

Apache 2.0で、8kの文脈を含めて必要なメモリは3.5GB。RTX 2060 6GBなら推定80.7tok/s、Apple M2（8GB）でも29tok/s、GPUなしのRyzen AI 300（16GB）で23.8tok/sと、手持ちの安いPCで調べものの自動化を始めたい人向けです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/BAAI_AREX-Turbo-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（32層・文脈全体を見る層は8層だけ）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		1.7GB0.3GB2.5GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		1.9GB0.3GB2.7GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		2.2GB0.3GB3.0GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		2.3GB0.3GB3.1GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		2.4GB0.3GB3.2GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		2.7GB0.3GB3.5GBVRAM 6GB〜8GB〜
5bit（Q5_K_M）
品質重視		3.1GB0.3GB3.9GBVRAM 6GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		3.4GB0.3GB4.3GBVRAM 6GB〜8GB〜
8bit（Q8_0）
無劣化に近い		4.2GB0.3GB5.1GBVRAM 6GB〜8GB〜
16bit（BF16）
元精度		7.8GB0.3GB8.8GBVRAM 10GB〜16GB〜

モデルの構造と、必要メモリの増え方

AREX-Turbo 4BはBAAI（北京智源）が2026年7月に公開した4.21Bのモデルです。GGUFのヘッダには32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。32層のうち注意機構でKVキャッシュを持つのは8層だけで、残り24層は線形注意やSSMなどKVを持たない層です。

KVヘッド4・head次元256で、同じ層数の一般的なモデルよりKVキャッシュが小さく済みます。1トークンあたりのKVキャッシュは約32KB（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0.3GB、128Kトークンまで伸ばすと4.0GB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

モデルだけでは調査は始まりません。配布元の評価はsearch・visit・update_context・finishの4つの道具を持つ枠組みで行われ、検索エンジンへの接続と、ページを取ってきて本文を渡す仕組みは自分で用意します。update_contextで確認済みの事実や却下した候補を書き直しながら進むので、1回の調査が長引くほど履歴は膨らむ。

KVは32層中8層ぶんの1トークン32KBで、上限の262,144トークンを使い切ると約8GBになり、6GBのGPUでは途中で溢れます。長く回すなら12GB以上のGPUか、実効10.7GBの16GB Macで。同じ4.21BのQwen3.5 4Bが画像も読める汎用モデルなのに対し、AREX-Turboは文章の調査に絞った派生版。回答の材料を集めさせる用途で選びます。

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qwen35で、当サイト収録の204モデル中18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/BAAI_AREX-Turbo-GGUF、元になったモデルはBAAI/AREX-Turboです。

得意分野は推論（段階を踏んで考える処理）です。

同じBAAI（北京智源）のモデルでは、サイズの近いものにAREX-2 27B（26.9B）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）（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。全域注意が8層だけのハイブリッド構成なので、長文でもKVの増え方が緩やかです。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.1GB3.4GBVRAM 4GB〜8GB〜
8,192既定0.3GB3.5GBVRAM 6GB〜8GB〜
16,3840.5GB3.8GBVRAM 6GB〜8GB〜
32,7681.0GB4.3GBVRAM 6GB〜8GB〜
65,5362.0GB5.3GBVRAM 6GB〜8GB〜
131,0724.0GB7.3GBVRAM 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1.0GBから約0.5GB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
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
Qwen3-VL 4BAlibaba4.0GB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 4BAlibaba4.0GB4B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
Nemotron 3 Nano 4BNVIDIA3.4GBNVIDIA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

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら131機種で20 tok/s以上、6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（131機種）

実用 8〜20 tok/s（6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、AREX-Turbo 4B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

    AREX-Turbo 4Bは4bit（IQ4_XS）で2.4GB、8bitのQ8_0なら4.2GB。精度違いを3種類そろえるだけで約6.8GB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

    AREX-Turbo 4B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 →

    AREX-Turbo 4B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

    AREX-Turbo 4B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3.5GB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。

    AREX-Turbo 4B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