Llama 3 Youko 8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

rinna ・公開 2024-07 ・ 8.03Bパラメータ・データ更新 2026-10-02

rinnaがLlama 3 8Bに日本語を追加学習。GPUなしのメモリ16GBのPCでも動く

6.2GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 8GB実用になるいちばん安いGPU: GeForce RTX 3070 Ti

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

8,192最大コンテキスト（学習時）

編集部の見立て

rinnaがMetaのLlama 3 8Bに日本語を継続学習させ、2024年7月に出した指示調整版です。仕上げは3段階で、日本語訳のoasstやdollyでのSFT、Metaの指示版と土台の差分を0.5倍で足すChat Vector、日本語版HelpSteerでのDPO。

Q4_K_Mが4.6GB、8kの文脈を含めて6.2GB、RTX 3070 Tiで推定80.8tok/s、M2 Pro（16GB）で30.2tok/sです。Llama 3.1 Swallow 8Bと数字は同じで、違いは土台の世代。こちらは文脈8,192トークンのLlama 3です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mradermacher/llama-3-youko-8b-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（Q2_K）品質劣化大。最後の手段	3.0GB	1.0GB	4.5GB	VRAM 6GB〜	8GB〜
3bit（IQ3_M）メモリ優先	3.5GB	1.0GB	5.1GB	VRAM 6GB〜	8GB〜
3bit（Q3_K_M）メモリ優先	3.7GB	1.0GB	5.4GB	VRAM 6GB〜	8GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	4.2GB	1.0GB	5.8GB	VRAM 8GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	4.6GB	1.0GB	6.2GB	VRAM 8GB〜	16GB〜
5bit（Q5_K_M）品質重視	5.3GB	1.0GB	7.0GB	VRAM 8GB〜	16GB〜
6bit（Q6_K）ほぼ無劣化	6.1GB	1.0GB	7.8GB	VRAM 10GB〜	16GB〜
8bit（Q8_0）無劣化に近い	8.0GB	1.0GB	9.7GB	VRAM 11GB〜	16GB〜
16bit（F16）元精度	15GB	1.0GB	17GB	VRAM 20GB〜	32GB〜

モデルの構造と、必要メモリの増え方

Llama 3 Youko 8Bはrinnaが2024年7月に公開した8.03Bのモデルです。GGUFのヘッダには32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。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、学習時の上限8,192トークンまで伸ばすと1.0GBです。

ライセンス表記: llama3（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

配布元が明かしている癖が1つあります。指示調整版は土台より同じ文を繰り返しやすく、rinnaはrepetition_penaltyを1.1に設定して評価したと書いています。手元でも同じ値を入れておくのが確実です。文脈は学習時の8,192トークンが上限で、長い資料を丸ごと渡す使い方には向きません。

KVは1トークン128KBなので、8kで1GB。RTX 3070 Tiの実効7.5GBでも文脈を使い切れます。トークナイザーも対話の書式もMetaのLlama 3のままなので、Llama 3用のテンプレートがそのまま使えます。配布の条件はMetaのLlama 3 Community Licenseに従います。

131,072トークンまで扱えるLlama 3.1 Swallow 8Bが同じ機材で動くため、長文が要る仕事はそちら、8k以内の会話ならこちらで構いません。

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llamaで、当サイト収録の204モデル中39本が同じ系統です。Llama系。最も広く使われているアーキテクチャで、対応していないツールを探すほうが難しい水準です。

配布元はmradermacher/llama-3-youko-8b-instruct-GGUF、元になったモデルはrinna/llama-3-youko-8b-instructです。

得意分野は日本語の文章です。

同じrinnaのモデルでは、サイズの近いものにGemma 2 Baku 2B（2.61B）、Llama 3 Youko 70B（70.55B）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）（4.6GB）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
4,096	0.5GB	5.7GB	VRAM 8GB〜	16GB〜
8,192既定	1.0GB	6.2GB	VRAM 8GB〜	16GB〜

KVキャッシュをq8_0に量子化すると、8,192トークンでのKVは約1.0GBから約0.5GB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 3.1 Swallow 8B	Swallow（東京科学大学・産総研）	6.2GB	Llama 3.1 8Bの日本語強化版（v0.5）。VRAM 8GB
DeepSeek-R1 Distill Llama 8B	DeepSeek	6.2GB	R1をLlama 8Bに蒸留した推論型。4bitならVRAM 8GBに収まる
Command R7B	Cohere	6.0GB	Cohereの7B。研究用途向けライセンス（CC BY-NC）。GPUなしのメモリ16GBのPCでも動く
Aya Expanse 8B	Cohere	6.4GB	日本語を含む23言語向けの8B。CC BY-NC。GPUなしのメモリ16GBのPCでも動く
Llama 3.1 8B	Meta	6.2GB	英語圏の基準モデル。日本語はQwenに劣る
Llama-3-ELYZA-JP-8B	ELYZA	6.2GB	国産の日本語特化8B。VRAM 8GB