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 › Gemma 2 Baku 2B

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

rinna ・ 公開 2024-10 ・ 2.61Bパラメータ ・ データ更新 2026-10-02

rinnaがGemma 2 2Bに日本語を追加学習した小型。GPUなしのメモリ8GBのPCでも動く

2.8GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 4GB実用になるいちばん安いGPU: GeForce RTX 3050 Laptop
8GB実用になるいちばん小さいMac: M2（8GB）
8,192最大コンテキスト（学習時）

編集部の見立て

rinnaがGoogleのGemma 2 2Bに日本語を継続学習させた2.61Bで、2024年10月の公開です。指示への対応はSFTではなく、Googleの指示版と土台の差分をそのまま足すChat Vectorで付け、rinna社内のデータでORPOをかけて仕上げています。

Q4_K_Mのファイルは1.6GBで、8kの会話を含めても2.8GBに収まります。M2（8GB）で推定43tok/s、GPUなしのDDR4・8GB機でも11.3tok/s、RTX 2060 6GBなら119.7tok/sです。メモリ8GBのノートやMacで日本語の小さな相手を動かしたい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mradermacher/gemma-2-baku-2b-it-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（26層・うち13層は直近の範囲だけを見る層）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（Q2_K）
品質劣化大。最後の手段		1.1GB0.6GB2.3GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		1.4GB0.6GB2.5GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		1.5GB0.6GB2.6GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		1.6GB0.6GB2.7GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		1.8GB0.6GB3.0GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		2.0GB0.6GB3.2GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		2.6GB0.6GB3.8GBVRAM 6GB〜8GB〜
16bit（F16）
元精度		4.9GB0.6GB6.1GBVRAM 8GB〜16GB〜

モデルの構造と、必要メモリの増え方

Gemma 2 Baku 2Bはrinnaが2024年10月に公開した2.61Bのモデルです。GGUFのヘッダには26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。注意機構は混合型で、全域注意が13層、残り13層は窓4,096トークンのスライディングウィンドウです。

コンテキストに比例して増えるのは全域注意の13層ぶん（1トークンあたり約52KB）だけで、スライディングウィンドウの13層は窓4,096トークンぶん（約0.2GB）で頭打ちになります。実際の値は、8,192トークンで0.6GB、学習時の上限8,192トークンまで伸ばすと0.6GBです。

ライセンス表記: gemma（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

小さいうえにKVも軽い設計です。26層のうち13層が窓4096のスライディング注意で、その分のKVは4,096トークンで頭打ち。残る全域注意13層だけが文脈に比例して増え、1トークン52KB、上限の8,192トークンで0.4GBです。M2（8GB）の実効5.4GBなら、Q8_0（2.6GB）にしても上限まで文脈を取れます。

上限自体が8kなので、長い文書の読み込みには使えません。ライセンスはGemmaの利用規約で、Apache 2.0とは違う独自の条件が付きます。同じ2B級の比較先はMiniCPM5 2Bで、8kの文脈込みで2.4GBとこちらより軽く、128kまで学習していますが、日本語の追加学習を受けているのはこちらだけ。

同じrinnaのLlama 3 Youko 8Bは8kの文脈込みで6.2GBあり、8GBのMac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gemma2で、当サイト収録の204モデル中4本が同じ系統です。Gemma2系。スライディングウィンドウ注意を使い、長いコンテキストでもKVキャッシュが膨らみにくい構造です。

配布元はmradermacher/gemma-2-baku-2b-it-GGUF、元になったモデルはrinna/gemma-2-baku-2b-itです。

得意分野は日本語の文章です。

同じrinnaのモデルでは、サイズの近いものにLlama 3 Youko 8B（8.03B）、Llama 3 Youko 70B（70.55B）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）（1.6GB）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。このモデルは26層のうち13層がスライディングウィンドウ注意（窓4,096トークン）なので、長くしてもKVが伸びにくい構造です。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.4GB2.5GBVRAM 4GB〜8GB〜
8,192既定0.6GB2.7GBVRAM 4GB〜8GB〜

KVキャッシュをq8_0に量子化すると、8,192トークンでのKVは約0.6GBから約0.3GB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
MiniCPM5 2BOpenBMB2.4GB端末で動かす前提の2B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
LFM2.5 2.6BLiquid AI2.2GBLFM2.5の2.6B。端末向けの軽量設計。GPUなしのメモリ8GBのPCでも動く
LFM2.5-VL 3BLiquid AI2.2GB画像を読める小型の3B。GPUなしのメモリ8GBのPCでも動く
SmolLM3 3BHugging Face2.9GB学習手順まで公開された3B。Apache 2.0。GPUなしのメモリ8GBでも動く
Qwen2.5-VL 3BAlibaba2.6GBQwen2.5-VLの小型3B。GPUなしのメモリ8GBのPCでも動く
Qwen2.5-Coder 3BAlibaba2.6GBQwen2.5-Coderの小型3B。補完向け。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134機種で20 tok/s以上、8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（134機種）

実用 8〜20 tok/s（8機種）

遅い 動くが遅い（0機種）

  • なし

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（0）を見る

    今のPCのまま、Gemma 2 Baku 2B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

    Gemma 2 Baku 2Bは4bit（IQ4_XS）で1.5GB、8bitのQ8_0なら2.6GB。精度違いを3種類そろえるだけで約4.4GB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

    Gemma 2 Baku 2B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 →

    Gemma 2 Baku 2B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

    Gemma 2 Baku 2Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル1.6GB、8,192トークンのKVキャッシュを含めて約2.8GBが必要です。GPU単体ならGeForce RTX 3050 Laptop（VRAM 4GB）から実用速度で動きます。

    Gemma 2 Baku 2B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