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 › Mixtral 8x22B

Mixtral 8x22B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Mistral AI ・ 公開 2024-04 ・ 140.63Bパラメータ（MoE・アクティブ39B） ・ データ更新 2026-10-02

Mixtralの上位（総141B・アクティブ39B）。Apache 2.0。Mac 128GB以上が対象

84GB4bit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
128GB実用になるいちばん小さいMac: M5 Max（128GB）
65,536最大コンテキスト（学習時）

編集部の見立て

Mixtralの大きいほう。総140.63Bのうち1トークンで働くのは39Bで、2024年4月にApache 2.0で公開されました。読み込むのは総量ぶんなので、Q4_K_Mは79.7GB、8kの文脈込みで84.4GB。単体のGPUで収まる機種は業務用も含めてなく、当サイトの収録機で動くのはM5 Max（128GB）から、推定12.2tok/sです。

GPUなしでメモリ128GBを積んでも推定1tok/s。128GB以上のMacを既に持っていて、関数呼び出しを含む当時の仕組みを動かし続けたい人に限られます。

量子化別の必要メモリ

ファイルサイズは Hugging Face（MaziyarPanahi/Mixtral-8x22B-Instruct-v0.1-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（56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		49GB1.8GB52GBGPU単体では不可96GB〜
3bit（Q3_K_M）
メモリ優先		63GB1.8GB67GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		71GB1.8GB75GBGPU単体では不可128GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		80GB1.8GB84GBGPU単体では不可128GB〜
5bit（Q5_K_M）
品質重視		93GB1.8GB98GBGPU単体では不可192GB〜
8bit（Q8_0）
無劣化に近い		139GB1.8GB146GBGPU単体では不可256GB〜

モデルの構造と、必要メモリの増え方

Mixtral 8x22BはMistral AIが2024年4月に公開した140.63Bのモデルです。GGUFのヘッダには56層と書かれており、総パラメータ140.63Bのうち、1トークンの生成で実際に読むのは約39B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。

全56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224KB（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1.8GB、学習時の上限65,536トークンまで伸ばすと14GB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

関数呼び出しの作法が独特です。配布元の説明では、ツール呼び出しには9文字の英数字のIDが必ず付き、結果を返すときも同じIDを添える必要があります。汎用のOpenAI互換の枠組みで動かすと、このIDの扱いで失敗しやすい。文脈は伸ばしやすい設計です。KVは56層で1トークン224KBなので、学習時上限の65,536トークンで14GB。

Q4_K_M（79.7GB）と合わせても93.7GBで、M5 Max（128GB）の実効96GBに収まります。速さはアクティブ39Bの重さがそのまま出て、推定12.2tok/sは実用の下限8tok/sを超える程度。同じ120B級のMistral Small 4 119BやQwen3.5 122B-A10Bはアクティブパラメータが6.5Bと10Bで、1トークンあたりの読み出しは4分の1から6分の1で済みます。これから入れるなら後者です。

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MaziyarPanahi/Mixtral-8x22B-Instruct-v0.1-GGUF、元になったモデルはmistralai/Mixtral-8x22B-Instruct-v0.1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）、Mistral Small 4 119B（118.97B）、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）（80GB）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
4,0960.9GB83GBGPU単体では不可128GB〜
8,192既定1.8GB84GBGPU単体では不可128GB〜
16,3843.5GB86GBGPU単体では不可128GB〜
32,7687.0GB90GBGPU単体では不可128GB〜
65,53614GB97GBGPU単体では不可192GB〜

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7.0GBから約3.5GB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
Ling 3.0 flashinclusionAI75GB総124B・アクティブ5.1BのMoE。MIT。Mac 96GB以上が対象
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
Qwen3.5 122B-A10BAlibaba74GBメモリ96〜128GB級向け
Mistral Small 4 119BMistral AI72GB総119B・アクティブ6.5BのMoE。Apache 2.0。Mac 96GB以上が対象
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

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら0機種で20 tok/s以上、9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（0機種）

  • なし

実用 8〜20 tok/s（9機種）

遅い 動くが遅い（2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（130）を見る

今のPCのまま、Mixtral 8x22B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

Mixtral 8x22Bは4bit（IQ4_XS）で71GB、8bitのQ8_0なら139GB。精度違いを3種類そろえるだけで約214GB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）

VRAMに載りきらない分は、システムメモリに逃がして動かせます（CPUオフロード）。Mixtral 8x22Bは84GB要るので、VRAM 12GBのカードなら約73GBをメモリ側で受ける計算です。この容量になるとメモリ64GB以上が前提で、速度もメモリ帯域で決まります。

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

Mixtral 8x22B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 →

Mixtral 8x22B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

Mixtral 8x22Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル80GB、8,192トークンのKVキャッシュを含めて約84GB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。

Mixtral 8x22BはMacで動く？

動きます。ユニファイドメモリ128GB以上のApple Silicon（例: Apple M5 Max（128GB））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