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 › Hunyuan-A13B 80B

Hunyuan-A13B 80B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Tencent ・ 公開 2025-07 ・ 80.39Bパラメータ（MoE・アクティブ13B） ・ データ更新 2026-10-02

Tencentの80BのMoE（アクティブ13B）。VRAM 48GB / Mac 64GBから

49GB4bit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
96GB実用になるいちばん小さいMac: M5 Ultra（96GB）
262,144最大コンテキスト（学習時）

編集部の見立て

Tencentが2025年7月に公開した総80B・アクティブ13BのMoEで、配布元は限られた資源で推論とエージェント処理を回す設計だとしています。遅い思考と速い思考を切り替えられ、既定は思考あり。Q4_K_Mが45.9GBで、8kの文脈を含めると48.8GB。

M5 Max（64GB）の実効48GBにあと0.8GB足りず、収まるのはM5 Ultra（96GB）からで推定49.5tok/s。GPUなしのStrix Halo（128GB）でも10.8tok/sで実用に入ります。96GB以上のMacか128GBのStrix Halo機で思考型のエージェント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（bartowski/tencent_Hunyuan-A13B-Instruct-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）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		24GB1.0GB26GBVRAM 32GB〜48GB〜
2bit（Q2_K）
品質劣化大。最後の手段		27GB1.0GB29GBVRAM 32GB〜48GB〜
3bit（IQ3_M）
メモリ優先		35GB1.0GB37GBVRAM 48GB〜64GB〜
3bit（Q3_K_M）
メモリ優先		35GB1.0GB37GBVRAM 48GB〜64GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		41GB1.0GB43GBVRAM 48GB〜64GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		46GB1.0GB49GBGPU単体では不可96GB〜
5bit（Q5_K_M）
品質重視		54GB1.0GB57GBGPU単体では不可96GB〜
6bit（Q6_K）
ほぼ無劣化		62GB1.0GB65GBGPU単体では不可96GB〜
8bit（Q8_0）
無劣化に近い		80GB1.0GB83GBGPU単体では不可128GB〜

モデルの構造と、必要メモリの増え方

Hunyuan-A13B 80BはTencentが2025年7月に公開した80.39Bのモデルです。GGUFのヘッダには32層と書かれており、総パラメータ80.39Bのうち、1トークンの生成で実際に読むのは約13B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。

全32層が全域注意で、KVヘッド8・head次元128。KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約128KB（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1.0GB、128Kトークンまで伸ばすと16GBです。

このモデルを実際に使うなら

64GBのMacで使いたければIQ4_XS（40.5GB）に落とすと数字の上では入りますが、当サイトの判定はQ4_K_Mで付けているので、速度の推定は示せません。全32層が全域注意のためKVは1トークン128KBかかり、32kなら4GB、256kの学習上限まで使うと32GB。

96GB機の実効72GBから45.9GBを引いた26GBに収まるのは、およそ200kまで。思考を止めるにはプロンプト先頭に/no_thinkを置くか、テンプレートでenable_thinkingを偽にします。既定で思考が入るぶん、応答の前に待ち時間が生まれる点は覚悟がいる。

同じTencentのHunyuan 7Bは同じ学習方針で作られたdense型で、必要量5.9GB。会話の相手なら7B、ツールを呼ぶエージェントならA13B、と役割で分けると迷いません。

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hunyuan-moeで、当サイト収録の204モデル中1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/tencent_Hunyuan-A13B-Instruct-GGUF、元になったモデルはtencent/Hunyuan-A13B-Instructです。

得意分野は推論（段階を踏んで考える処理）です。

同じTencentのモデルでは、サイズの近いものにUI-Mate 27B（26.9B）、UI-Mate 9B（8.95B）、Hunyuan 7B（7.5B）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）（46GB）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。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.5GB48GBGPU単体では不可96GB〜
8,192既定1.0GB49GBGPU単体では不可96GB〜
16,3842.0GB50GBGPU単体では不可96GB〜
32,7684.0GB52GBGPU単体では不可96GB〜
65,5368.0GB56GBGPU単体では不可96GB〜
131,07216GB64GBGPU単体では不可96GB〜

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4.0GBから約2.0GB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-Coder-Next 80B-A3BAlibaba47GBローカルのコーディングエージェント用途で最有力のMoE。メモリ64GB級
Qwen3-Next 80B-A3BAlibaba47GB注意機構がハイブリッド型で、長文でもKVキャッシュが膨らみにくい
Qwen2.5 72BAlibaba48GB2024年のQwen2.5の最上位（dense型）。VRAM 48GB / Mac 64GBから
Shisa V2.1 Llama 3.3 70BShisa.AI44GB日英バイリンガルに調整した70B。Mac 64GB以上かVRAM 48GB級
Llama 3.3 Swallow 70BSwallow（東京科学大学・産総研）44GBLlama 3.3 70Bの日本語強化版。Mac 64GB以上かVRAM 48GB級
DeepSeek-R1 Distill Llama 70BDeepSeek44GBR1をLlama 70Bに蒸留した推論型。VRAM 48GB / Mac 64GBから

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら13機種で20 tok/s以上、2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（13機種）

実用 8〜20 tok/s（2機種）

遅い 動くが遅い（1機種）

メモリに一部を逃がせば動く（2機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（124）を見る

今のPCのまま、Hunyuan-A13B 80B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

Hunyuan-A13B 80Bは4bit（IQ4_XS）で41GB、8bitのQ8_0なら80GB。精度違いを3種類そろえるだけで約110GB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）

Hunyuan-A13B 80BはMoEで、1トークンごとに動くのは13B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49GB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

Hunyuan-A13B 80B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 →

Hunyuan-A13B 80B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

Hunyuan-A13B 80Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル46GB、8,192トークンのKVキャッシュを含めて約49GB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。

Hunyuan-A13B 80BはMacで動く？

動きます。ユニファイドメモリ96GB以上のApple Silicon（例: Apple M5 Ultra（96GB））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