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 › LLM-jp-3.1 1.8B

LLM-jp-3.1 1.8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

LLM-jp（国立情報学研究所） ・ 公開 2025-05 ・ 1.87Bパラメータ ・ データ更新 2026-10-02

国産フルスクラッチの小型。GPUなしのノートでも動く

3.1GB4bit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）
4,096最大コンテキスト（学習時）

編集部の見立て

国立情報学研究所のLLM-jp-3を土台に、約90Bトークンの指示応答データを混ぜて中間学習をやり直したシリーズの1.8Bです。配布元は、この工程で指示に従う力が大きく上がったと説明しています。Q4_K_Mは1.1GBと小さく、Apple M2（8GB）で推定44.4tok/s、GPUのないDDR4-3200・8GBの一般的なPCでも推定11.7tok/s。

古い事務用PCで、ライセンスがApache 2.0の国産モデルを動かしたい人に向きます。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mmnga/llm-jp-3.1-1.8b-instruct4-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（24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		0.7GB1.5GB2.7GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		0.7GB1.5GB2.7GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		0.9GB1.5GB2.9GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		0.9GB1.5GB2.9GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		1.0GB1.5GB3.0GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		1.1GB1.5GB3.1GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		1.3GB1.5GB3.3GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		1.4GB1.5GB3.5GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		1.9GB1.5GB3.9GBVRAM 6GB〜8GB〜

モデルの構造と、必要メモリの増え方

LLM-jp-3.1 1.8BはLLM-jp（国立情報学研究所）が2025年5月に公開した1.87Bのモデルです。GGUFのヘッダには24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24層が全域注意で、KVヘッド16・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192KB（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1.5GB、学習時の上限4,096トークンまで伸ばすと0.8GBです。

ライセンス表記: apache-2.0（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

このモデルは学習時の文脈長が4,096トークンしかありません。当サイトの必要量3.1GBは8k前提で、4,096トークンに収めればKVは約0.75GB、合計は2.4GB前後に下がります。16ヘッドの注意がKVを分け合わない構造のため、1トークン192KBと1.8Bにしては重いのが特徴。

小型のTinySwallow 1.5Bは28KBなので、長い入力を扱う用途ではそちらが有利です。短い問い合わせの分類や定型文の下書きのように、1回の入出力が数千トークンに収まる仕事に回しましょう。長い資料は分割して渡す前提で。

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mmnga/llm-jp-3.1-1.8b-instruct4-gguf、元になったモデルはllm-jp/llm-jp-3.1-1.8b-instruct4です。

得意分野は日本語の文章です。

同じLLM-jp（国立情報学研究所）のモデルでは、サイズの近いものにLLM-jp-4 8B thinking（8.59B）、LLM-jp-3.1 13B（13.71B）、LLM-jp-4 32B-A3B thinking（32.14B）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）（1.1GB）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
4,0960.8GB2.4GBVRAM 4GB〜8GB〜

KVキャッシュをq8_0に量子化すると、4,096トークンでのKVは約0.8GBから約0.4GB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
Qwen3.5 2BAlibaba1.9GBQwen3.5の2B。GPUなしのメモリ8GBのPCでも軽い
Qwen2.5 1.5BAlibaba1.8GBQwen2.5の1.5B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
Qwen3-VL 2BAlibaba2.4GBQwen3-VLの最小。GPUなしでも画像を読める
Qwen3 1.7BAlibaba2.4GBQwen3の1.7B。思考モードを持つ小型で、GPUなしのメモリ8GB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
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

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら138機種で20 tok/s以上、4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（138機種）

実用 8〜20 tok/s（4機種）

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、LLM-jp-3.1 1.8B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

    LLM-jp-3.1 1.8Bは4bit（IQ4_XS）で1.0GB、8bitのQ8_0なら1.9GB。精度違いを3種類そろえるだけで約2.7GB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

    LLM-jp-3.1 1.8B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 →

    LLM-jp-3.1 1.8B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

    LLM-jp-3.1 1.8Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル1.1GB、8,192トークンのKVキャッシュを含めて約3.1GB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。

    LLM-jp-3.1 1.8B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