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 › Mistral Small 4 119B

Mistral Small 4 119B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Mistral AI ・ 公開 2026-03 ・ 118.97Bパラメータ（MoE・アクティブ6.5B） ・ データ更新 2026-10-02

総119B・アクティブ6.5BのMoE。Apache 2.0。Mac 96GB以上が対象

72GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
ユニファイドメモリ向けGPU1枚のVRAMでは足りない
96GB実用になるいちばん小さいMac: M5 Ultra（96GB）
1,048,576最大コンテキスト（学習時）

編集部の見立て

Mistral AIが指示追従・推論（旧Magistral）・コーディング（Devstral）の3系統を1本にまとめた総119BのMoEです。1トークンで動くのは6.5Bで、画像も入力できます。Q4_K_Mに8kの文脈を足して71.6GBと、96GBのMac（実効72GB）にぎりぎり収まる大きさ。

M5 Ultra（96GB）で推定100.4tok/s、M2 Max（96GB）でも42.8tok/sです。GPUなしならRyzen AI Max+ 395（128GB）で21.9tok/s。Apache 2.0で、96GB以上のPCで汎用の1本を使いたい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Mistral-Small-4-119B-2603-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（36層・KVを圧縮するMLA方式）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		35GB0.3GB37GBVRAM 48GB〜64GB〜
3bit（Q3_K_M）
メモリ優先		51GB0.3GB53GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		54GB0.3GB57GBGPU単体では不可96GB〜
4bit（MXFP4 MoE）
MoE専用のMXFP4		67GB0.3GB70GBGPU単体では不可96GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		69GB0.3GB72GBGPU単体では不可96GB〜
5bit（Q5_K_M）
品質重視		83GB0.3GB86GBGPU単体では不可128GB〜
6bit（Q6_K）
ほぼ無劣化		93GB0.3GB96GBGPU単体では不可192GB〜
8bit（Q8_0）
無劣化に近い		118GB0.3GB122GBGPU単体では不可192GB〜
16bit（BF16）
元精度		222GB0.3GB229GBGPU単体では不可512GB〜

モデルの構造と、必要メモリの増え方

Mistral Small 4 119BはMistral AIが2026年3月に公開した118.97Bのモデルです。GGUFのヘッダには36層と書かれており、総パラメータ118.97Bのうち、1トークンの生成で実際に読むのは約6.5Bです（MoE）。メモリには全部を載せる必要がある一方、毎回読み出す量はアクティブパラメータのぶんで済むため、同じサイズのdense型より速く動きます。

KVを低ランク（rank 256）に圧縮するMLA方式です。同じ規模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41KB（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、128Kトークンまで伸ばすと5.1GB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

96GB機では余白が0.4GBしかなく、8kに足せる文脈は1万トークン程度です。長い資料を扱うなら128GB機が要ります。実効96GBなら24.4GBが空き、KVは1トークン41KBなので、上限の256kトークンでも約10GBで済む計算。推論の有無はリクエストごとのreasoning_effortで切り替えます。

noneならMistral Small 3.2 24B相当の即答、highならMagistral Small 2509並みに長く考えると配布元は説明しています。24Bの2本を使い分けていた人が、1本にまとめられる構成です。ただし必要量は24Bの15.5GBの4倍以上。

highの推奨temperatureは0.7です。配布元はvLLMを推奨し、GGUFはUnsloth版、画像を読ませるにはmmprojが別に要ります。

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mistral4で、当サイト収録の204モデル中1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unsloth/Mistral-Small-4-119B-2603-GGUF、元になったモデルはmistralai/Mistral-Small-4-119B-2603です。

同じMistral AIのモデルでは、サイズの近いものにDevstral 2 123B（125.03B）、Mixtral 8x22B（140.63B）、Mixtral 8x7B（46.7B）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）（69GB）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。MLA（圧縮KV）採用のため、長いコンテキストでもKVが小さく収まります。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.2GB71GBGPU単体では不可96GB〜
8,192既定0.3GB72GBGPU単体では不可96GB〜
16,3840.6GB72GBGPU単体では不可96GB〜
32,7681.3GB73GBGPU単体では不可128GB〜
65,5362.5GB74GBGPU単体では不可128GB〜
131,0725.1GB76GBGPU単体では不可128GB〜

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0.6GB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
Laguna S 2.1 118B-A8Bpoolside71GBエージェント型コーディング向けの118BのMoE（アクティブ8B）。Mac 96GB以上が対象
GPT-OSS-Swallow 120BSwallow（東京科学大学・産総研）85GBgpt-oss-120bに日本語を追加学習したMoE。Mac 96GB以上向け
gpt-oss-120bOpenAI62GBメモリ64GB以上のMac/Strix Haloで現実的
Qwen3.5 122B-A10BAlibaba74GBメモリ96〜128GB級向け
Devstral 2 123BMistral AI75GBコーディングエージェント向けの123B（dense型）。Mac 96GB以上が対象
Command A 111BCohere66GBCohereの111B（dense型）。研究用途向けライセンス（CC BY-NC）。Mac 96GB以上が対象

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら15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（15機種）

実用 8〜20 tok/s（0機種）

  • なし

遅い 動くが遅い（1機種）

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（126）を見る

今のPCのまま、Mistral Small 4 119B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

Mistral Small 4 119Bは4bit（IQ4_XS）で54GB、8bitのQ8_0なら118GB。精度違いを3種類そろえるだけで約172GB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 →

メモリ増設（32GB化）

Mistral Small 4 119BはMoEで、1トークンごとに動くのは6.5B分だけです。だからGPUに全部載せなくても、システムメモリ側に置いて実用速度が出ます。必要なのは72GBぶんの空きで、この型はVRAMを足すより先にメモリを増やすほうが効きます。

Amazonで「DDR5 16GB 2枚組」を見る →Amazonで「DDR5 SO-DIMM 16GB 2枚組」を見る →Amazonで「DDR4 16GB 2枚組」を見る →

ローカルLLM / AIエージェント入門書

Mistral Small 4 119B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 →

Mistral Small 4 119B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。

ぴったり常時稼働サーバー型

Ryzen AI Max+ 395 ミニPC（メモリ128GB）

Windows/Linuxで128GBの共有メモリ。GPU側に96GBを割り当てれば、gpt-oss-120bや70Bクラスを常時サーバとして動かせる

Ryzen AI Max+ 395・LPDDR5X 128GB（256GB/s）・NVMe 2TB ・ 目安 32〜48万円

要件を満たす中で最も手頃

Amazonで「Ryzen AI Max+ 395 128GB ミニPC」を見る →
余裕を持つなら常時稼働サーバー型

Mac Studio M5 Ultra（メモリ512GB）をLLMサーバに

DeepSeek V3級（671B）の4bitを1台で。帯域1.2TB/s。チームのローカルLLMサーバ

M5 Ultra（36コア・80コアGPU）・ユニファイドメモリ512GB・SSD 4TB ・ 目安 240〜280万円

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「Mac Studio M5 Ultra 512GB」を見る →
別の形ならMac

Mac Studio M4 Max（メモリ128GB・SSD 2TB）

gpt-oss-120bやQwen3.5 122Bがメモリに収まり、帯域546GB/sで実用的な速さが出る。個人向けローカルLLMの本命

M4 Max・ユニファイドメモリ128GB・SSD 2TB ・ 目安 62〜72万円

Macで同じ仕事をするなら

Amazonで「Mac Studio M4 Max 128GB」を見る →

よくある質問

Mistral Small 4 119Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル69GB、8,192トークンのKVキャッシュを含めて約72GBが必要です。GPU単体のVRAMには載らず、Macのユニファイドメモリか複数GPUが必要です。

Mistral Small 4 119BはMacで動く？

動きます。ユニファイドメモリ96GB以上のApple Silicon（例: Apple M5 Ultra（96GB））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（70B〜120B MoE）に必要なPC / MacかWindowsか

手持ちのPCで判定する