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 › Laguna S 2.1 118B-A8B

Laguna S 2.1 118B-A8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

poolside ・ 公開 2026-07 ・ 117.56Bパラメータ（MoE・アクティブ8B） ・ データ更新 2026-10-02

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

71GB4bit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

poolsideのLagunaシリーズで、XS（33B-A3B）とM.1（225B-A23B）の間に置かれた118BのMoEです。1トークンで動くのは8B。用途はエージェント型のコーディングで、ツール呼び出しの合間に思考を挟みます。4bitの本体68.1GBに8kトークンの文脈を足すと72.1GB。

単体GPUで収まる機種はなく、Apple M5 Max（128GB）で推定51.9tok/s、GPUなしのRyzen AI Max+ 395（128GB）では15.9tok/sまで落ちます。ライセンスはOpenMDW-1.1。XSでは足りない128GB機の人向けです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Laguna-S-2.1-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（48層・うち36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		35GB0.4GB37GBVRAM 48GB〜64GB〜
3bit（Q3_K_M）
メモリ優先		50GB0.4GB53GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		54GB0.4GB56GBGPU単体では不可96GB〜
4bit（MXFP4 MoE）
MoE専用のMXFP4		66GB0.4GB69GBGPU単体では不可96GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		68GB0.4GB71GBGPU単体では不可96GB〜
5bit（Q5_K_M）
品質重視		82GB0.4GB85GBGPU単体では不可128GB〜
6bit（Q6_K）
ほぼ無劣化		91GB0.4GB95GBGPU単体では不可128GB〜
8bit（Q8_0）
無劣化に近い		116GB0.4GB121GBGPU単体では不可192GB〜
16bit（BF16）
元精度		219GB0.4GB227GBGPU単体では不可512GB〜

モデルの構造と、必要メモリの増え方

Laguna S 2.1 118B-A8Bはpoolsideが2026年7月に公開した117.56Bのモデルです。GGUFのヘッダには48層と書かれており、総パラメータ117.56Bのうち、1トークンの生成で実際に読むのは約8B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12層、残り36層は窓512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12層ぶん（1トークンあたり約48KB）だけで、スライディングウィンドウの36層は窓512トークンぶん（約0.1GB）で頭打ちになります。

実際の値は、8,192トークンで0.4GB、128Kトークンまで伸ばすと6.1GBです。

ライセンス表記: openmdw-1.1（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

llama.cppで動かすなら、配布元はpoolsideのフォークのlagunaブランチを指定しています。本家への取り込みはレビュー中と書かれていて、手持ちの版で読めないときの原因はここ。Ollamaにはq4_K_M・q8_0などのタグで登録済みです。思考はenable_thinkingで要求ごとに切り替え、コード作業では有効にして前の思考を履歴に残すのが配布元の推奨。

48層のうち全域注意は12層、残り36層は窓512の局所注意なので、文脈を伸ばしたときに増えるKVは全域の12層ぶんに限られます。128GB Macの実効96GBから72.1GBを引くと約24GBが空きます。Ryzen AI Max+ 395（128GB）は実効85.8GBで、Q4_K_Mは収まるものの余白は14GB弱です。

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lagunaで、当サイト収録の204モデル中2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/Laguna-S-2.1-GGUF、元になったモデルはpoolside/Laguna-S-2.1です。

得意分野はコードを書く作業です。

同じpoolsideのモデルでは、サイズの近いものにLaguna XS 2.1 33B-A3B（33.44B）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）（68GB）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48層のうち36層がスライディングウィンドウ注意（窓512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
4,0960.3GB71GBGPU単体では不可96GB〜
8,192既定0.4GB71GBGPU単体では不可96GB〜
16,3840.8GB71GBGPU単体では不可96GB〜
32,7681.6GB72GBGPU単体では不可128GB〜
65,5363.1GB74GBGPU単体では不可128GB〜
131,0726.1GB77GBGPU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1.6GBから約0.8GB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-Swallow 120BSwallow（東京科学大学・産総研）85GBgpt-oss-120bに日本語を追加学習したMoE。Mac 96GB以上向け
gpt-oss-120bOpenAI62GBメモリ64GB以上のMac/Strix Haloで現実的
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14機種で20 tok/s以上、1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（14機種）

実用 8〜20 tok/s（1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（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（126）を見る

今のPCのまま、Laguna S 2.1 118B-A8B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

Laguna S 2.1 118B-A8Bは4bit（IQ4_XS）で54GB、8bitのQ8_0なら116GB。精度違いを3種類そろえるだけで約170GB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）

Laguna S 2.1 118B-A8BはMoEで、1トークンごとに動くのは8B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71GB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

Laguna S 2.1 118B-A8B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 →

Laguna S 2.1 118B-A8B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

Laguna S 2.1 118B-A8Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル68GB、8,192トークンのKVキャッシュを含めて約71GB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。

Laguna S 2.1 118B-A8B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