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-Llama-Swallow 27B

Gemma-2-Llama-Swallow 27B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Swallow（東京科学大学・産総研） ・ 公開 2025-04 ・ 27.23Bパラメータ ・ データ更新 2026-10-02

Gemma 2 27Bの日本語強化版。VRAM 24GB向け

19GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 20GB実用になるいちばん安いGPU: Radeon RX 7900 XT
32GB実用になるいちばん小さいMac: M2 Max（32GB）
8,192最大コンテキスト（学習時）

編集部の見立て

GoogleのGemma 2 27Bに約200Bトークンの継続事前学習をかけ、日本語向けの合成データで指示調整したモデルです。dense型の27.23Bなので、MoEのように軽くは回りません。4bitで8kの文脈を含めると18.6GBで、Radeon RX 7900 XT（20GB）で推定27tok/s、Apple M2 Max（32GB）では推定16.8tok/sの実用域。

同じ20GB級に収まるQwen3-Swallow 30B-A3Bは、同じRX 7900 XTで推定119.6tok/s。考える過程を挟まない即答型を、速さより素直さで選ぶ人向けです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mmnga/Gemma-2-Llama-Swallow-27b-it-v0.1-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（46層・うち23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（IQ2_M）
品質劣化大。最後の手段		8.8GB2.2GB12GBVRAM 16GB〜18GB〜
2bit（Q2_K）
品質劣化大。最後の手段		9.7GB2.2GB13GBVRAM 16GB〜24GB〜
3bit（IQ3_M）
メモリ優先		12GB2.2GB15GBVRAM 16GB〜24GB〜
3bit（Q3_K_M）
メモリ優先		13GB2.2GB16GBVRAM 20GB〜24GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		14GB2.2GB17GBVRAM 20GB〜32GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		16GB2.2GB19GBVRAM 20GB〜32GB〜
5bit（Q5_K_M）
品質重視		18GB2.2GB21GBVRAM 24GB〜32GB〜
6bit（Q6_K）
ほぼ無劣化		21GB2.2GB24GBVRAM 32GB〜36GB〜
8bit（Q8_0）
無劣化に近い		27GB2.2GB30GBVRAM 32GB〜48GB〜

モデルの構造と、必要メモリの増え方

Gemma-2-Llama-Swallow 27BはSwallow（東京科学大学・産総研）が2025年4月に公開した27.23Bのモデルです。GGUFのヘッダには46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23層、残り23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23層ぶん（1トークンあたり約184KB）だけで、スライディングウィンドウの23層は窓4,096トークンぶん（約0.7GB）で頭打ちになります。

実際の値は、8,192トークンで2.2GB、学習時の上限8,192トークンまで伸ばすと2.2GB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

まず確認したいのは文脈長で、学習時は8,192トークンまで。長い契約書や議事録を丸ごと読ませる用途には向きません。全域注意23層と窓4,096の層23層を持つGemma 2の構造なので、KVのうち長さに比例して増えるのは全域の23層ぶん（1トークン184KB）です。

24GBのGPUならQ5_K_M（18.1GB）まで上げても8kの文脈込みで21GB台。ライセンスはGemmaの利用規約で、モデルカードにはGemmaとLlamaの両方を使って作ったという表記があります。Llama側の条件も合わせて読んでおくのが確実です。

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mmnga/Gemma-2-Llama-Swallow-27b-it-v0.1-gguf、元になったモデルはtokyotech-llm/Gemma-2-Llama-Swallow-27b-it-v0.1です。

得意分野は日本語の文章です。

同じSwallow（東京科学大学・産総研）のモデルでは、サイズの近いものにQwen3-Swallow 30B-A3B（30.53B）、GPT-OSS-Swallow 20B（20.91B）、Gemma-2-Llama-Swallow 9B（9.24B）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）（16GB）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46層のうち23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
4,0961.4GB18GBVRAM 20GB〜32GB〜
8,192既定2.2GB19GBVRAM 20GB〜32GB〜

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2.2GB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
Qwen3.8 27BAlibaba17GB2026年8月公開の27Bのdense型。GGUF公開モデルではダウンロード数が最多クラス。VRAM 24GB / Mac 48GB向け
Gemma 3 27BGoogle17GBVRAM 24GB向け。日本語品質は最上位クラス
AREX-2 27BBAAI（北京智源）18GB答えを出し、点数やエラーを読んで作り直す周回を重ねる前提で鍛えたBAAIの27B。Apache 2.0。VRAM 20GB / Mac 32GBから
UI-Mate 27BTencent18GBUI-Mateの上位27B。VRAM 24GB / Mac 48GB向け
Fara1.5 27BMicrosoft18GBMicrosoft Researchのブラウザ操作エージェント用27B。画面のスクリーンショットを見て操作する。MIT。VRAM 20GB / Mac 24GBから
Qwen3.6 27BAlibaba17GBQwen3.5 27Bの改良版。VRAM 24GB向けのdense型では最新

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら26機種で20 tok/s以上、20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（26機種）

実用 8〜20 tok/s（20機種）

遅い 動くが遅い（10機種）

メモリに一部を逃がせば動く（61機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（23）を見る

今のPCのまま、Gemma-2-Llama-Swallow 27B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-Llama-Swallow 27Bは4bit（IQ4_XS）で14GB、8bitのQ8_0なら27GB。精度違いを3種類そろえるだけで約42GB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）。Gemma-2-Llama-Swallow 27Bは19GB要るので、VRAM 12GBのカードなら約7.1GBをメモリ側で受ける計算です。メモリ16GBのままだとOSとブラウザで詰まるので、32GBが下限。

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 →

GPUを1枚替える: RTX 5090（32GB）

「あと数GB足りない」を埋めるのに、PC一式を買い替える必要はありません。RTX 5090なら4bit（IQ4_XS）の19GBがVRAMに収まります。先に見るのは、今のケースに入る長さか、電源の容量と補助電源のコネクタが足りるかの2点です。

Amazonで「RTX 5090 グラフィックボード」を見る →

ローカルLLM / AIエージェント入門書

Gemma-2-Llama-Swallow 27B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-Llama-Swallow 27B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

要件を満たす中で最も手頃

Amazonで「Mac mini M4 Pro 48GB」を見る →
余裕を持つならMac

Mac mini M4 Pro（メモリ64GB・SSD 1TB）

70BクラスのローカルLLMまで。同じ価格帯のGeForce機より大きいモデルまで動く

M4 Pro・ユニファイドメモリ64GB・SSD 1TB ・ 目安 36〜42万円

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 mini M4 Pro 64GB」を見る →
別の形なら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

Windowsで同じ仕事をするなら

Amazonで「Ryzen AI Max+ 395 128GB ミニPC」を見る →

よくある質問

Gemma-2-Llama-Swallow 27Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル16GB、8,192トークンのKVキャッシュを含めて約19GBが必要です。GPU単体ならRadeon RX 7900 XT（VRAM 20GB）から実用速度で動きます。

Gemma-2-Llama-Swallow 27BはMacで動く？

動きます。ユニファイドメモリ32GB以上のApple Silicon（例: Apple M2 Max（32GB））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（27〜32Bクラス）に必要なPC / MacかWindowsか

手持ちのPCで判定する