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 › Fara1.5 4B

Fara1.5 4B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Microsoft ・ 公開 2026-07 ・ 4.21Bパラメータ ・ データ更新 2026-10-02

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

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

土台がQwen3.5-4Bの、Fara1.5でいちばん軽い版です。仕事は上位2つと変わらず、ブラウザの画面を見て次の操作を座標付きで返します。必要量は8kの履歴込みで3.5GB。GeForce RTX 2060 6GBで推定80.7tok/s、Apple M2（8GB）でも29tok/sが出る計算です。

GPUのないRyzen AI 300（16GB）で23.8tok/sと快適の範囲に入るので、Copilot+ PCしかない人がブラウザ操作エージェントの仕組みを手元で確かめる用途に合います。任せる作業の重さより、まず動かして流れを見たい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/Fara1.5-4B-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

Fara1.5 4BはMicrosoft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: mit（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

軽いぶん、環境の組み方は上位と同じ手間がかかります。Dockerのブラウザ、専用のシステムプロンプト、fara CLIかMagentic-Liteのループ。ここを省くと画面の取得も操作の実行も起きないので、モデル単体を落として終わりにはなりません。KVは1トークン32KBで、M2（8GB）の実効5.4GBなら3.5GBを引いた1.9GBに約6万トークンの履歴が入ります。

画面を何十枚も積む作業でも、4Bならメモリより先にブラウザ側の待ち時間が目立つはずです。学習時の解像度1440×900に近い窓で動かすと座標の精度を保ちやすい。9Bへ上げると必要量は6.4GBで、8GBのMacからは外れます。同じ4.21BのQwen3.5 4Bは汎用の会話や画像の読み取り向けで、こちらは操作命令を出す専用モデル。両方を同時に置くと、実効5.4GBには収まりません。

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/Fara1.5-4B-GGUF、元になったモデルはmicrosoft/Fara1.5-4Bです。

得意分野は画像を含む文書の読み取りです。

同じMicrosoftのモデルでは、サイズの近いものにPhi-4-mini 3.8B（3.84B）、Phi-3.5-mini 3.8B（3.82B）、Fara1.5 9B（8.95B）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
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
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、Fara1.5 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

    Fara1.5 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

    Fara1.5 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 →

    Fara1.5 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

    Fara1.5 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。

    Fara1.5 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