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 › GPT-OSS-Swallow 120B

GPT-OSS-Swallow 120B 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 2026-02 ・ 116.83Bパラメータ（MoE・アクティブ5.1B） ・ データ更新 2026-10-02

gpt-oss-120bに日本語を追加学習したMoE。Mac 96GB以上向け

85GB4bit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
128GB実用になるいちばん小さいMac: M5 Max（128GB）
131,072最大コンテキスト（学習時）

編集部の見立て

OpenAIのgpt-oss-120bに、東京科学大学と産総研のSwallowチームが日本語の継続事前学習と強化学習を重ねたMoEです。配布元の説明では日英の2言語向けで、追加学習で落ちがちな数学とコードの力も保ったとしています。Q4_K_Mは81.8GBで、8kの文脈を含めると85.1GB。

当サイトのDBにある単体GPUでは収まるものがなく、候補はApple M5 Max（128GB）の推定75.2tok/sか、Ryzen AI Max+ 395（128GB）の推定23.1tok/s。128GBのユニファイドメモリ機を持つ人が選ぶ大きさです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mradermacher/GPT-OSS-Swallow-120B-RL-v0.1-i1-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（36層・うち18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
4bit（MXFP4 MoE）
MoE専用のMXFP4		59GB0.3GB62GBGPU単体では不可96GB〜
2bit（IQ2_M）
品質劣化大。最後の手段		62GB0.3GB64GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		62GB0.3GB64GBGPU単体では不可96GB〜
3bit（IQ3_M）
メモリ優先		62GB0.3GB65GBGPU単体では不可96GB〜
3bit（Q3_K_M）
メモリ優先		66GB0.3GB69GBGPU単体では不可96GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		82GB0.3GB85GBGPU単体では不可128GB〜
5bit（Q5_K_M）
品質重視		87GB0.3GB91GBGPU単体では不可128GB〜
6bit（Q6_K）
ほぼ無劣化		116GB0.3GB120GBGPU単体では不可192GB〜

モデルの構造と、必要メモリの増え方

GPT-OSS-Swallow 120BはSwallow（東京科学大学・産総研）が2026年2月に公開した116.83Bのモデルです。GGUFのヘッダには36層と書かれており、総パラメータ116.83Bのうち、1トークンの生成で実際に読むのは約5.1Bです（MoE）。

メモリには全部を載せる必要がある一方、毎回読み出す量はアクティブパラメータのぶんで済むため、同じサイズのdense型より速く動きます。注意機構は混合型で、全域注意が18層、残り18層は窓128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18層ぶん（1トークンあたり約36KB）だけで、スライディングウィンドウの18層は窓128トークンぶん（約0.0GB）で頭打ちになります。

実際の値は、8,192トークンで0.3GB、学習時の上限131,072トークンまで伸ばすと4.5GB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

実際に選ぶ量子化はMXFP4_MOEが本命でしょう。59GBとQ4_K_Mより22GB以上小さく、8k分を足しても60GB台前半。実効72GBのM2 Max（96GB）やM5 Ultra（96GB）にも入る計算になります。Ryzen AI Max+ 395（128GB）でQ4_K_Mを使うと、実効85.8GBに対して余白は0.7GBだけ。

配布元が開発と評価に使ったのはvLLMで、GGUFはmradermacherによる別配布です。ツール呼び出しは学習対象外と明記されているので、エージェントの中核に使うなら元のgpt-oss-120bと比べてから。推奨の文脈長は32,768トークン以内で、全域注意18層ぶんのKVはその長さでも約1.1GBに収まります。

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gpt-ossで、当サイト収録の204モデル中4本が同じ系統です。gpt-oss系。スライディングウィンドウ注意を1層おきに挟むMoEで、配布の標準形式はMXFP4です。

配布元はmradermacher/GPT-OSS-Swallow-120B-RL-v0.1-i1-GGUF、元になったモデルはtokyotech-llm/GPT-OSS-Swallow-120B-RL-v0.1です。

得意分野は推論（段階を踏んで考える処理）、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Llama 3.3 Swallow 70B（70.55B）、Qwen3-Swallow 30B-A3B（30.53B）、Gemma-2-Llama-Swallow 27B（27.23B）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）（82GB）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36層のうち18層がスライディングウィンドウ注意（窓128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
4,0960.1GB85GBGPU単体では不可128GB〜
8,192既定0.3GB85GBGPU単体では不可128GB〜
16,3840.6GB85GBGPU単体では不可128GB〜
32,7681.1GB86GBGPU単体では不可128GB〜
65,5362.3GB87GBGPU単体では不可128GB〜
131,0724.5GB89GBGPU単体では不可128GB〜

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1.1GBから約0.6GB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
gpt-oss-120bOpenAI62GBメモリ64GB以上のMac/Strix Haloで現実的
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
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
Qwen3.5 122B-A10BAlibaba74GBメモリ96〜128GB級向け
Command A 111BCohere66GBCohereの111B（dense型）。研究用途向けライセンス（CC BY-NC）。Mac 96GB以上が対象
GLM-4.5-Air 106B-A12BZ.ai72GBメモリ64GB以上向けの高性能MoE

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら11機種で20 tok/s以上、0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（11機種）

実用 8〜20 tok/s（0機種）

  • なし

遅い 動くが遅い（1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、GPT-OSS-Swallow 120B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

GPT-OSS-Swallow 120Bは4bit（MXFP4 MoE）で59GB。精度違いを3種類そろえるだけで約182GB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）

GPT-OSS-Swallow 120BはMoEで、1トークンごとに動くのは5.1B分だけです。だからGPUに全部載せなくても、システムメモリ側に置いて実用速度が出ます。必要なのは85GBぶんの空きで、この型はVRAMを足すより先にメモリを増やすほうが効きます。

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

GPT-OSS-Swallow 120B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 →

GPT-OSS-Swallow 120B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

GPT-OSS-Swallow 120Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル82GB、8,192トークンのKVキャッシュを含めて約85GB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。

GPT-OSS-Swallow 120BはMacで動く？

動きます。ユニファイドメモリ128GB以上のApple Silicon（例: Apple M5 Max（128GB））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