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 › LFM2.5 1.2B JP

LFM2.5 1.2B JP を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Liquid AI ・ 公開 2026-05 ・ 1.17Bパラメータ ・ データ更新 2026-10-02

日本語向けに調整された1.2B。GPUなしのメモリ8GBのノートでも軽く動く

1.3GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 4GB実用になるいちばん安いGPU: GeForce RTX 3050 Laptop
8GB実用になるいちばん小さいMac: M2（8GB）
32,768最大コンテキスト（学習時）

編集部の見立て

1.17Bという小ささより目を引くのは中身の作りです。16層の中でKVを抱えるのは6層に限られ、ほかの10層は畳み込みのブロック。1トークンあたりのKVは12KBしかなく、32Kまで伸ばしても0.4GBで済みます。配布元は、ツール呼び出しや決まった形式での出力、日英の対話アシスタントを推奨し、細かな知識を問う用途は勧めていません。

GPUなしのDDR4-3200・メモリ8GBのPCで推定29.5tok/s。社内の古いノートに常駐させる用途に向きます。

量子化別の必要メモリ

ファイルサイズは Hugging Face（LiquidAI/LFM2.5-1.2B-JP-202606-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（16層・文脈全体を見る層は6層だけ）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（Q4_K_M）
標準。迷ったらこれ		0.7GB0.1GB1.3GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		0.8GB0.1GB1.4GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		0.9GB0.1GB1.5GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		1.2GB0.1GB1.8GBVRAM 4GB〜8GB〜
16bit（F16）
元精度		2.2GB0.1GB2.8GBVRAM 4GB〜8GB〜

モデルの構造と、必要メモリの増え方

LFM2.5 1.2B JPはLiquid AIが2026年5月に公開した1.17Bのモデルです。GGUFのヘッダには16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。16層のうち注意機構でKVキャッシュを持つのは6層だけで、残り10層は線形注意やSSMなどKVを持たない層です。

KVヘッド8・head次元64で、同じ層数の一般的なモデルよりKVキャッシュが小さく済みます。1トークンあたりのKVキャッシュは約12KB（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0.1GB、学習時の上限32,768トークンまで伸ばすと0.4GBです。

このモデルを実際に使うなら

llama.cppで読むには、lfm2という新しい構造に対応した版が要ります。古いOllamaやLM Studioで読み込みに失敗したら、まずアプリの更新から。配布元はtemperature 0.1と低めの設定を勧めていて、指示と出力の形をはっきり書いた定型処理で力を出す作りです。

量子化はQ8_0でも1.2GBなので、小さくする理由は見当たりません。Apple M2（8GB）ならQ4_K_Mで推定111.9tok/s。比べる相手はSarashina2.2 1BとRakutenAI-2.0 miniで、KVはこの中でいちばん軽い。長めの入力を渡すならこちら。

ライセンスはLiquid AI独自のもの（other）なので、アプリに組み込んで配る前に条件を読んでおきましょう。知識の区切りは2024年半ばだと配布元は書いています。

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lfm2で、当サイト収録の204モデル中3本が同じ系統です。LFM2系。短い畳み込み層と注意機構の層を混ぜた小型向けの構造で、KVキャッシュが小さく省メモリです。

配布元はLiquidAI/LFM2.5-1.2B-JP-202606-GGUF、元になったモデルはLiquidAI/LFM2.5-1.2B-JP-202606です。

得意分野は日本語の文章です。

同じLiquid AIのモデルでは、サイズの近いものにLFM2.5 2.6B（2.7B）、LFM2.5-VL 3B（2.7B）、LFM2.5 8B-A1B（8.47B）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）（0.7GB）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。全域注意が6層だけのハイブリッド構成なので、長文でもKVの増え方が緩やかです。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.0GB1.2GBVRAM 4GB〜8GB〜
8,192既定0.1GB1.3GBVRAM 4GB〜8GB〜
16,3840.2GB1.4GBVRAM 4GB〜8GB〜
32,7680.4GB1.6GBVRAM 4GB〜8GB〜

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0.4GBから約0.2GB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
Llama 3.2 1BMeta1.5GBLlamaの最小。GPUなしのメモリ8GBのPCでも軽い
EXAONE 4.0 1.2BLG AI Research1.7GBEXAONE 4.0の最小1.2B。GPUなしのメモリ8GBのPCでも動く
Gemma 3 1BGoogle1.3GBGemma 3の1B。文章専用の小型で、GPUなしのメモリ8GBでも動く
Sarashina2.2 1BSB Intuitions2.0GBSarashina2.2の1B。ファイルは1GB未満で、GPUなしの古いノートでも動く
RakutenAI-2.0 mini楽天1.7GB楽天の小型1.5B。GPUなしのノートでも動く
TinySwallow 1.5BSakana AI1.7GB大きいモデルから知識を移した日本語の小型。GPUなしのPCでも軽い

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら142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（142機種）

実用 8〜20 tok/s（0機種）

  • なし

遅い 動くが遅い（0機種）

  • なし

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（0）を見る

    今のPCのまま、LFM2.5 1.2B JP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

    LFM2.5 1.2B JPは4bit（Q4_K_M）で0.7GB、8bitのQ8_0なら1.2GB。精度違いを3種類そろえるだけで約2.4GB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 →

    ローカルLLM / AIエージェント入門書

    LFM2.5 1.2B JP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 →

    LFM2.5 1.2B JP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。

    ぴったりデスクトップ（BTO）

    RTX 5060（8GB）デスクトップ・メモリ32GB

    画像生成の入門と8BクラスのローカルLLM。最安のGPU機

    RTX 5060（VRAM 8GB）・メモリ32GB・NVMe 1TB ・ 目安 15〜21万円

    要件を満たす中で最も手頃

    Amazonで「RTX 5060 搭載 デスクトップPC」を見る →
    余裕を持つならデスクトップ（BTO）

    RTX 5070（12GB）デスクトップ・メモリ32GB

    SDXLの画像生成が快適。14BクラスのローカルLLMがGPUだけで動く

    RTX 5070（VRAM 12GB）・メモリ32GB・NVMe 1TB ・ 目安 20〜28万円

    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「RTX 5070 搭載 デスクトップPC」を見る →
    別の形なら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

    Macで同じ仕事をするなら

    Amazonで「Mac mini M4 Pro 48GB」を見る →

    よくある質問

    LFM2.5 1.2B JPを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル0.7GB、8,192トークンのKVキャッシュを含めて約1.3GBが必要です。GPU単体ならGeForce RTX 3050 Laptop（VRAM 4GB）から実用速度で動きます。

    LFM2.5 1.2B JPはMacで動く？

    動きます。ユニファイドメモリ8GB以上のApple Silicon（例: Apple M2（8GB））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（8Bクラス）に必要なPC / MacかWindowsか

    手持ちのPCで判定する