Laguna XS 2.1 33B-A3B 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 ・ 33.44Bパラメータ（MoE・アクティブ3B）・データ更新 2026-10-02

手元のMacで動かす前提のコード用MoE（総33B・アクティブ3B）。VRAM 20GB / Mac 32GBから

21GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 24GB実用になるいちばん安いGPU: GeForce RTX 4090

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

手元のPCで動かすことを最初から掲げた、poolsideのコーディングエージェント用MoEです。総33Bで1トークンあたり3B。配布元は36GBのMacで動くと明記しています。Q4_K_Mの19.1GBに8kの文脈を合わせて21.5GB。RTX 4090で推定169.8tok/s、Apple M5 Max（36GB）で104.3tok/s。

GPUなしのRyzen AI Max+ 395（64GB）でも36.7tok/sです。OpenMDW-1.1で商用可。端末型のコーディングエージェントを24GBのGPUか36GB以上のMacで自前運用したい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/Laguna-XS-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（40層・うち30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	11GB	0.4GB	12GB	VRAM 16GB〜	18GB〜
2bit（Q2_K）品質劣化大。最後の手段	11GB	0.4GB	13GB	VRAM 16GB〜	24GB〜
3bit（Q3_K_M）メモリ優先	15GB	0.4GB	16GB	VRAM 20GB〜	24GB〜
3bit（IQ3_M）メモリ優先	15GB	0.4GB	16GB	VRAM 20GB〜	32GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	17GB	0.4GB	18GB	VRAM 20GB〜	32GB〜
4bit（Q4_K_M）標準。迷ったらこれ	19GB	0.4GB	21GB	VRAM 24GB〜	32GB〜
5bit（Q5_K_M）品質重視	22GB	0.4GB	24GB	VRAM 32GB〜	36GB〜
6bit（Q6_K）ほぼ無劣化	27GB	0.4GB	29GB	VRAM 32GB〜	48GB〜
8bit（Q8_0）無劣化に近い	33GB	0.4GB	35GB	VRAM 48GB〜	48GB〜
16bit（BF16）元精度	62GB	0.4GB	65GB	GPU単体では不可	96GB〜

モデルの構造と、必要メモリの増え方

Laguna XS 2.1 33B-A3Bはpoolsideが2026年7月に公開した33.44Bのモデルです。GGUFのヘッダには40層と書かれており、総パラメータ33.44Bのうち、1トークンの生成で実際に読むのは約3B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10層、残り30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10層ぶん（1トークンあたり約40KB）だけで、スライディングウィンドウの30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5.1GB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

配布元は自社の端末用エージェントpoolを用意していて、Agent Client Protocolのクライアント兼サーバーとして動きます。思考は要求ごとにenable_thinkingで切り替え、ツール呼び出しの間に挟んだ思考を履歴に残す使い方が前提。注意したいのは32GBのMacで、実効21.4GBに対して必要21.5GBと0.1GBだけ届きません。

IQ4_XS（17GB）まで下げれば入ります。40層のうち全域注意は10層、残る30層は窓512の局所注意で、長い履歴でKVが積み上がるのは10層ぶんだけ。上位のLaguna S 2.1は118B-A8Bで、8kの文脈込み72.1GBと128GB機からの話。アクティブ3Bなので、同じ33B級のdense型であるLLM-jp-4 33B thinkingより推定速度は速く出ます。

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bartowski/Laguna-XS-2.1-GGUF、元になったモデルはpoolside/Laguna-XS-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 S 2.1 118B-A8B（117.56B）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）（19GB）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40層のうち30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
4,096	0.2GB	20GB	VRAM 24GB〜	32GB〜
8,192既定	0.4GB	21GB	VRAM 24GB〜	32GB〜
16,384	0.7GB	21GB	VRAM 24GB〜	32GB〜
32,768	1.3GB	22GB	VRAM 24GB〜	36GB〜
65,536	2.6GB	23GB	VRAM 24GB〜	36GB〜
131,072	5.1GB	25GB	VRAM 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1.3GBから約0.7GB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
LLM-jp-4 33B thinking	LLM-jp（国立情報学研究所）	22GB	国産フルスクラッチの最新世代で、考えてから答える33B。Apache 2.0。VRAM 24GB / Mac 32GB向け
Qwen3-VL 32B	Alibaba	21GB	画像理解の上位。VRAM 24GB
ABEJA Qwen2.5 32B Japanese	ABEJA	22GB	日本語追加学習の32B。VRAM 24GB
ELYZA-Shortcut-1.0 Qwen 32B	ELYZA	22GB	推論過程を省いて速く答える日本語32B
ELYZA-Thinking-1.0 Qwen 32B	ELYZA	22GB	考えてから答える日本語の推論型32B。VRAM 24GB
Qwen3 32B	Alibaba	21GB	VRAM 24GBで動かせる最大級のdense型モデル