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 › MiniCPM5 2B

MiniCPM5 2B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

OpenBMB ・ 公開 2026-09 ・ 2.52Bパラメータ ・ データ更新 2026-10-02

端末で動かす前提の2B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く

2.4GB4bit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）
131,072最大コンテキスト（学習時）

編集部の見立て

OpenBMBのMiniCPM5で2番目に出た2.52Bのdense型で、端末上や資源の限られた環境で動かす前提の設計です。Q4_K_Mのファイルは1.5GBにすぎず、8kの文脈込みでも2.4GB。GPUのないDDR4のメモリ8GB機でも推定12.9tok/s、M2（8GB）なら48.8tok/sが出ます。

配布元がGGUF・MLX・GPTQ・LiteRTまで自前で用意しているので、WindowsでもMacでも変換の手間は要りません。Apache 2.0。コードや数学を強みに挙げる小型モデルを、古いノートや8GBのMacで動かしたい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/MiniCPM5-2B-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（42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		0.9GB0.3GB1.8GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		0.9GB0.3GB1.8GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		1.2GB0.3GB2.0GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		1.3GB0.3GB2.1GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		1.4GB0.3GB2.2GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		1.5GB0.3GB2.4GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		1.8GB0.3GB2.7GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		2.0GB0.3GB2.8GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		2.5GB0.3GB3.4GBVRAM 4GB〜8GB〜
16bit（BF16）
元精度		4.7GB0.3GB5.7GBVRAM 8GB〜16GB〜

モデルの構造と、必要メモリの増え方

MiniCPM5 2BはOpenBMBが2026年9月に公開した2.52Bのモデルです。GGUFのヘッダには42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42層が全域注意で、KVヘッド2・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42KB（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0.3GB、学習時の上限131,072トークンまで伸ばすと5.3GB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

小ささの割にKVが重い点は要注意です。42層すべてが全域注意のため、KVは1トークン42KBかかります。32kトークンで1.3GB、学習時の上限128kなら5.25GBになり、1.5GBの本体を大きく上回ります。8GB機で長い文書を読ませるなら、文脈は32k程度で止めるのが無難。

同じ2B級のQwen3.5 2Bは1トークン12KBなので、長文ならそちらが軽く済みます。MiniCPM5ならではの付属物は、推測デコード用の小さな下書きモデルDSparkがGGUF版付きで配られていること。対応する実行環境で本体と組み合わせると、生成を速める仕組みです。

学習前のBase、SFTだけの版なども公開され、追加学習の元にする版を選べます。

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bartowski/MiniCPM5-2B-GGUF、元になったモデルはopenbmb/MiniCPM5-2Bです。

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）（1.5GB）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
4,0960.2GB2.2GBVRAM 4GB〜8GB〜
8,192既定0.3GB2.4GBVRAM 4GB〜8GB〜
16,3840.7GB2.7GBVRAM 4GB〜8GB〜
32,7681.3GB3.4GBVRAM 4GB〜8GB〜
65,5362.6GB4.7GBVRAM 6GB〜8GB〜
131,0725.3GB7.3GBVRAM 8GB〜16GB〜

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
Gemma 2 Baku 2Brinna2.7GBrinnaがGemma 2 2Bに日本語を追加学習した小型。GPUなしのメモリ8GBのPCでも動く
LFM2.5 2.6BLiquid AI2.2GBLFM2.5の2.6B。端末向けの軽量設計。GPUなしのメモリ8GBのPCでも動く
LFM2.5-VL 3BLiquid AI2.2GB画像を読める小型の3B。GPUなしのメモリ8GBのPCでも動く
SmolLM3 3BHugging Face2.9GB学習手順まで公開された3B。Apache 2.0。GPUなしのメモリ8GBでも動く
Qwen2.5-VL 3BAlibaba2.6GBQwen2.5-VLの小型3B。GPUなしのメモリ8GBのPCでも動く
Qwen2.5-Coder 3BAlibaba2.6GBQwen2.5-Coderの小型3B。補完向け。GPUなしのメモリ8GBのPC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、MiniCPM5 2B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

    MiniCPM5 2Bは4bit（IQ4_XS）で1.4GB、8bitのQ8_0なら2.5GB。精度違いを3種類そろえるだけで約4.1GB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

    MiniCPM5 2B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 →

    MiniCPM5 2B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

    MiniCPM5 2Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル1.5GB、8,192トークンのKVキャッシュを含めて約2.4GB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。

    MiniCPM5 2B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