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 › Devstral 2 123B

Devstral 2 123B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Mistral AI ・ 公開 2025-12 ・ 125.03Bパラメータ ・ データ更新 2026-10-02

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

75GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
ユニファイドメモリ向けGPU1枚のVRAMでは足りない
256GB実用になるいちばん小さいMac: M5 Ultra（256GB）
262,144最大コンテキスト（学習時）

編集部の見立て

コーディングエージェント専用に調整した125Bのdense型がDevstral 2です。配布元はコードベースの探索と複数ファイルの編集を目的に挙げ、組み合わせるツールとしてMistral Vibe、Cline、OpenHandsを並べています。MoEではないので1トークンごとに全125Bを読む。

Q4_K_Mが69.8GB、8kの文脈込みで75.1GBで、M5 Max（128GB）にも収まりますが推定6.5tok/sで遅い判定、M5 Ultra（256GB）でも推定9.2tok/sの実用止まり。GPUなしのDDR5機に128GB積むと0.5tok/sです。128GB以上のMacを持つ開発者向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Devstral-2-123B-Instruct-2512-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（88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		41GB2.8GB45GBVRAM 48GB〜64GB〜
2bit（Q2_K）
品質劣化大。最後の手段		43GB2.8GB48GBGPU単体では不可64GB〜
3bit（Q3_K_M）
メモリ優先		56GB2.8GB61GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		63GB2.8GB68GBGPU単体では不可96GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		70GB2.8GB75GBGPU単体では不可128GB〜
5bit（Q5_K_M）
品質重視		82GB2.8GB88GBGPU単体では不可128GB〜
6bit（Q6_K）
ほぼ無劣化		96GB2.8GB102GBGPU単体では不可192GB〜
8bit（Q8_0）
無劣化に近い		124GB2.8GB131GBGPU単体では不可192GB〜
16bit（BF16）
元精度		233GB2.8GB243GBGPU単体では不可512GB〜

モデルの構造と、必要メモリの増え方

Devstral 2 123BはMistral AIが2025年12月に公開した125.03Bのモデルです。GGUFのヘッダには88層と書かれており、アクティブパラメータをGGUFヘッダから推定できなかったため、当サイトの速度推定は「毎回すべてを読む」前提（実際より遅めに出る安全側）で計算しています。

全88層が全域注意で、KVヘッド8・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352KB（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2.8GB、128Kトークンまで伸ばすと44GBです。

このモデルを実際に使うなら

同じ2025年12月に出たDevstral Small 2 24Bとの差は、必要量と速度と、ライセンスです。Smallは15.5GBでRadeon RX 7900 XTなら推定32tok/s、Apache 2.0。123B版はライセンスが独自で、商用に使う前に条件の確認が要ります。

KVは全88層が全域注意で1トークン352KBと重く、32kで11GB、学習上限の256kなら88GB。256GB機の実効192GBから69.8GBを引いても、256kを埋めると残りは多くない。エージェント用途では文脈が伸びやすいので、128k（44GB）あたりを上限と考えるのが現実的です。

llama.cppで動かすには対応PRの入った版が必要で、Ollamaにはdevstral-2として登録済み。配布元は、ローカルで期待ほど動かないときはAPIを使うよう案内しています。

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llamaで、当サイト収録の204モデル中39本が同じ系統です。Llama系。最も広く使われているアーキテクチャで、対応していないツールを探すほうが難しい水準です。

配布元はunsloth/Devstral-2-123B-Instruct-2512-GGUF、元になったモデルはmistralai/Devstral-2-123B-Instruct-2512です。

得意分野はコードを書く作業です。

同じMistral AIのモデルでは、サイズの近いものにMistral Small 4 119B（118.97B）、Mixtral 8x22B（140.63B）、Mixtral 8x7B（46.7B）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）（70GB）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
4,0961.4GB74GBGPU単体では不可128GB〜
8,192既定2.8GB75GBGPU単体では不可128GB〜
16,3845.5GB78GBGPU単体では不可128GB〜
32,76811GB83GBGPU単体では不可128GB〜
65,53622GB94GBGPU単体では不可128GB〜
131,07244GB116GBGPU単体では不可192GB〜

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11GBから約5.5GB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
Ling 3.0 flashinclusionAI75GB総124B・アクティブ5.1BのMoE。MIT。Mac 96GB以上が対象
Qwen3.5 122B-A10BAlibaba74GBメモリ96〜128GB級向け
Mistral Small 4 119BMistral AI72GB総119B・アクティブ6.5BのMoE。Apache 2.0。Mac 96GB以上が対象
Laguna S 2.1 118B-A8Bpoolside71GB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
GPT-OSS-Swallow 120BSwallow（東京科学大学・産総研）85GBgpt-oss-120bに日本語を追加学習したMoE。Mac 96GB以上向け
gpt-oss-120bOpenAI62GBメモリ64GB以上のMac/Strix Haloで現実的

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら0機種で20 tok/s以上、2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（0機種）

  • なし

実用 8〜20 tok/s（2機種）

遅い 動くが遅い（9機種）

メモリに一部を逃がせば動く（0機種・CPUオフロード、PCのメモリ32GB想定）

  • なし
動かない機種（130）を見る

今のPCのまま、Devstral 2 123B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

Devstral 2 123Bは4bit（IQ4_XS）で63GB、8bitのQ8_0なら124GB。精度違いを3種類そろえるだけで約189GB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 →

メモリ増設（32GB化）

VRAMに載りきらない分は、システムメモリに逃がして動かせます（CPUオフロード）。Devstral 2 123Bは75GB要るので、VRAM 12GBのカードなら約64GBをメモリ側で受ける計算です。この容量になるとメモリ64GB以上が前提で、速度もメモリ帯域で決まります。

Amazonで「DDR5 16GB 2枚組」を見る →Amazonで「DDR5 SO-DIMM 16GB 2枚組」を見る →Amazonで「DDR4 16GB 2枚組」を見る →

ローカルLLM / AIエージェント入門書

Devstral 2 123B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 →

Devstral 2 123B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。

ぴったり常時稼働サーバー型

Ryzen AI Max+ 395 ミニPC（メモリ128GB）

Windows/Linuxで128GBの共有メモリ。GPU側に96GBを割り当てれば、gpt-oss-120bや70Bクラスを常時サーバとして動かせる

Ryzen AI Max+ 395・LPDDR5X 128GB（256GB/s）・NVMe 2TB ・ 目安 32〜48万円

要件を満たす中で最も手頃

Amazonで「Ryzen AI Max+ 395 128GB ミニPC」を見る →
余裕を持つなら常時稼働サーバー型

Mac Studio M5 Ultra（メモリ512GB）をLLMサーバに

DeepSeek V3級（671B）の4bitを1台で。帯域1.2TB/s。チームのローカルLLMサーバ

M5 Ultra（36コア・80コアGPU）・ユニファイドメモリ512GB・SSD 4TB ・ 目安 240〜280万円

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「Mac Studio M5 Ultra 512GB」を見る →
別の形ならMac

Mac Studio M4 Max（メモリ128GB・SSD 2TB）

gpt-oss-120bやQwen3.5 122Bがメモリに収まり、帯域546GB/sで実用的な速さが出る。個人向けローカルLLMの本命

M4 Max・ユニファイドメモリ128GB・SSD 2TB ・ 目安 62〜72万円

Macで同じ仕事をするなら

Amazonで「Mac Studio M4 Max 128GB」を見る →

よくある質問

Devstral 2 123Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル70GB、8,192トークンのKVキャッシュを含めて約75GBが必要です。GPU単体のVRAMには載らず、Macのユニファイドメモリか複数GPUが必要です。

Devstral 2 123BはMacで動く？

動きます。ユニファイドメモリ256GB以上のApple Silicon（例: Apple M5 Ultra（256GB））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（70B〜120B MoE）に必要なPC / MacかWindowsか

手持ちのPCで判定する