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 4 31B

Gemma 4 31B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Google ・ 公開 2026-07 ・ 30.7Bパラメータ ・ データ更新 2026-10-02

2026年のGoogle製で、dense型の上位。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）
262,144最大コンテキスト（学習時）

編集部の見立て

Gemma 4のうち、MoEではない通常のdense型で最大のサイズが31Bです。入力は文章と画像で、音声には対応していません。4bitに8kの文脈を足すと19.5GBが必要で、VRAM 16GBのGPUは対象外です。最低ラインはVRAM 20GBのRadeon RX 7900 XTで推定25.2tok/s、24GBのRTX 5090 Laptopなら推定31.4tok/s。

同じGemma 4の26B-A4Bは同じRX 7900 XTで推定100.2tok/sと約4倍の速さなので、31Bは速度より毎回すべての重みを使う計算を選ぶ人のモデル。24GB級のGPUか32GB以上のMacが前提。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/gemma-4-31B-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（60層・うち50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		10GB1.4GB12GBVRAM 16GB〜24GB〜
3bit（Q3_K_M）
メモリ優先		14GB1.4GB16GBVRAM 20GB〜24GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		15GB1.4GB18GBVRAM 20GB〜32GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		17GB1.4GB19GBVRAM 20GB〜32GB〜
5bit（Q5_K_M）
品質重視		20GB1.4GB23GBVRAM 24GB〜36GB〜
6bit（Q6_K）
ほぼ無劣化		23GB1.4GB26GBVRAM 32GB〜48GB〜
8bit（Q8_0）
無劣化に近い		30GB1.4GB33GBVRAM 48GB〜48GB〜
16bit（BF16）
元精度		57GB1.4GB61GBGPU単体では不可96GB〜

モデルの構造と、必要メモリの増え方

Gemma 4 31BはGoogleが2026年7月に公開した30.7Bのモデルです。GGUFのヘッダには60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10層、残り50層は窓1,024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10層ぶん（1トークンあたり約80KB）だけで、スライディングウィンドウの50層は窓1,024トークンぶん（約0.8GB）で頭打ちになります。実際の値は、8,192トークンで1.4GB、128Kトークンまで伸ばすと11GB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

Q4_K_Mの本体は17.1GB。M2 Max（32GB）の実効21.4GBには収まり推定15.7tok/sですが、ブラウザやエディタと同居させると余白は薄くなります。文脈を伸ばしたときに増えるのは全域注意の10層ぶんで、1トークン80KB。32,768トークンで約2.5GB、上限262,144トークンでは約20GBが本体に上乗せされる計算です。

24GBのGPUでもQ4_K_Mのまま長文を読ませられるのは6万トークン前後まで。Q6_K（23.5GB）はVRAM 24GBには入らないので、量子化を上げたいならMacの64GB構成かRTX 6000 Adaの48GBを考えることになります。GPUのないRyzen AI Max+ 395（32GB）は推定8.1tok/sで、待てる用途に限られる。配布ライセンスはApache 2.0となっています。

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gemma4で、当サイト収録の204モデル中5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unsloth/gemma-4-31B-it-GGUF、元になったモデルはgoogle/gemma-4-31B-itです。

得意分野は画像を含む文書の読み取り、日本語の文章です。

同じGoogleのモデルでは、サイズの近いものにGemma 3 27B（27.01B）、Gemma 4 26B-A4B（25.23B）、Gemma 4 12B（11.91B）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）（17GB）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60層のうち50層がスライディングウィンドウ注意（窓1,024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
4,0961.1GB19GBVRAM 20GB〜32GB〜
8,192既定1.4GB19GBVRAM 20GB〜32GB〜
16,3842.0GB20GBVRAM 24GB〜32GB〜
32,7683.3GB21GBVRAM 24GB〜32GB〜
65,5365.8GB24GBVRAM 32GB〜36GB〜
131,07211GB29GBVRAM 32GB〜48GB〜

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3.3GBから約1.6GB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-Swallow 30B-A3BSwallow（東京科学大学・産総研）19GBQwen3 30B-A3Bに日本語を追加学習したMoE。VRAM 20GB級のGPUやMac 32GBで速い
Qwen3-VL 30B-A3BAlibaba19GB画像を読めるQwen3のMoE（アクティブ3B級）。VRAM 20GB / Mac 32GBから
Qwen3 30B-A3BAlibaba19GBMoE型で、メモリさえ足りれば速い。Macやメモリ多めのPC向き
Qwen3-Coder 30B-A3BAlibaba19GBローカルのコード補助の定番MoE
North Mini Code 1.0Cohere Labs19GBコード用途を名前に掲げた30BのMoE。Apache 2.0。メモリ32GB級から
GLM-4.7-Flash 30B-A3BZ.ai19GBMLA採用でKVキャッシュが小さい軽量MoE

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 4 31B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 4 31Bは4bit（IQ4_XS）で15GB、8bitのQ8_0なら30GB。精度違いを3種類そろえるだけで約46GB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 4 31Bは19GB要るので、VRAM 12GBのカードなら約8.0GB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 4 31B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 4 31B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 4 31Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル17GB、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 4 31B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