Ministral 3 14B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Mistral AI ・公開 2025-12 ・ 13.51Bパラメータ・データ更新 2026-10-02

Mistralの14B。Apache 2.0。VRAM 10GB / Mac 16GBから

9.7GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 11GB実用になるいちばん安いGPU: GeForce RTX 2080 Ti

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

262,144最大コンテキスト（学習時）

編集部の見立て

Mistral AIが端末側での実行を前提に作ったMinistral 3の最大サイズで、13.5Bの言語部に0.4Bの画像エンコーダーを載せています。Mistral Small 3.2 24Bより一回り小さい13.51Bです。4bitに8kの文脈を加えて9.7GB。

RTX 2080 Ti（11GB）で推定46.1tok/s、ノートならRTX 5070 Ti Laptopで推定58tok/s、M2 Pro（16GB）で推定18.5tok/sです。画像も読めてApache 2.0で商用の縛りが少ない1本を、12GB級GPUか16GBのMacで持ちたい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/mistralai_Ministral-3-14B-Instruct-2512-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）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	4.5GB	1.3GB	6.4GB	VRAM 8GB〜	16GB〜
2bit（Q2_K）品質劣化大。最後の手段	4.9GB	1.3GB	6.8GB	VRAM 8GB〜	16GB〜
3bit（IQ3_M）メモリ優先	5.8GB	1.3GB	7.8GB	VRAM 10GB〜	16GB〜
3bit（Q3_K_M）メモリ優先	6.2GB	1.3GB	8.2GB	VRAM 10GB〜	16GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	6.9GB	1.3GB	8.9GB	VRAM 10GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	7.7GB	1.3GB	9.7GB	VRAM 11GB〜	16GB〜
5bit（Q5_K_M）品質重視	9.0GB	1.3GB	11GB	VRAM 12GB〜	18GB〜
6bit（Q6_K）ほぼ無劣化	10GB	1.3GB	12GB	VRAM 16GB〜	24GB〜
8bit（Q8_0）無劣化に近い	13GB	1.3GB	16GB	VRAM 20GB〜	24GB〜
16bit（BF16）元精度	25GB	1.3GB	28GB	VRAM 32GB〜	48GB〜

モデルの構造と、必要メモリの増え方

Ministral 3 14BはMistral AIが2025年12月に公開した13.51Bのモデルです。GGUFのヘッダには40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40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160KB（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1.3GB、128Kトークンまで伸ばすと20GB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

このページのモデルは指示に従う調整を施したInstruct版です。同じ14Bには、考える過程を出すReasoning版と、調整前のBase版も別に配られています。じっくり考えさせる用途なら、最初からReasoning版を選ぶのが筋。画像を読ませるには、GGUFでは本体とは別のmmprojファイルが必要です。

文脈は配布元の表記で256k。KVは1トークン160KBなので32kで5GB、Q4_K_Mの7.7GBと足して12.7GBになり、12GB級では収まりません。対応言語の一覧に日本語があり、関数呼び出しとJSON出力も備えるため、手元のエージェントの部品として組み込めます。

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mistral3で、当サイト収録の204モデル中4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/mistralai_Ministral-3-14B-Instruct-2512-GGUF、元になったモデルはmistralai/Ministral-3-14B-Instruct-2512-BF16です。

得意分野は画像を含む文書の読み取りです。

同じMistral AIのモデルでは、サイズの近いものにMistral Nemo 12B（12.25B）、Ministral 3 8B（8.49B）、Mistral 7B v0.3（7.25B）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）（7.7GB）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	0.6GB	9.0GB	VRAM 10GB〜	16GB〜
8,192既定	1.3GB	9.7GB	VRAM 11GB〜	16GB〜
16,384	2.5GB	11GB	VRAM 12GB〜	18GB〜
32,768	5.0GB	13GB	VRAM 16GB〜	24GB〜
65,536	10GB	18GB	VRAM 20GB〜	32GB〜
131,072	20GB	28GB	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5.0GBから約2.5GB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
LLM-jp-3.1 13B	LLM-jp（国立情報学研究所）	15GB	国産のフルスクラッチ日本語モデル。VRAM 12GB
Shisa V2.1 unphi4 14B	Shisa.AI	11GB	Phi-4系を日英バイリンガルに調整した14B。VRAM 12GB
Phi-4 14B	Microsoft	11GB	数学・推論に強い14B
Nemotron Nano 12B v2	NVIDIA	7.9GB	NVIDIAのハイブリッド構造の12B。KVキャッシュが小さく長文向き。GPUなしのメモリ16GBのPCでも動く
ABEJA Qwen3 14B Agentic	ABEJA	10GB	エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる
Qwen3 14B	Alibaba	10GB	Q4ならVRAM 12GBに収まる。8Bとの差が体感できる中量級