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 › Phi-4-mini 3.8B

Phi-4-mini 3.8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Microsoft ・ 公開 2025-02 ・ 3.84Bパラメータ ・ データ更新 2026-10-02

GPUなしでも動く小型

3.9GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 6GB実用になるいちばん安いGPU: GeForce RTX 3060 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

Microsoftが合成データと選別したWeb文書で学習した3.84Bです。配布元は主な用途として、メモリや計算資源が限られる環境、応答の遅れが許されない場面、数学と論理の推論を挙げています。ファイルはQ4_K_Mで2.3GB、8kまでの会話なら3.9GBに収まります。

GPUなしのRyzen AI 300（16GB）でも推定23.8tok/sと快適側に入り、Apple M2（8GB）で推定28.9tok/s、RTX 2060 6GBなら推定80.4tok/sです。GPUを持たないノートで、計算や手順の確認を手元で済ませたい人に合います。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/microsoft_Phi-4-mini-instruct-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（32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		1.4GB1.0GB2.9GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		1.6GB1.0GB3.1GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		1.9GB1.0GB3.4GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		2.0GB1.0GB3.5GBVRAM 6GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		2.1GB1.0GB3.6GBVRAM 6GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		2.3GB1.0GB3.9GBVRAM 6GB〜8GB〜
5bit（Q5_K_M）
品質重視		2.7GB1.0GB4.2GBVRAM 6GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		2.9GB1.0GB4.5GBVRAM 6GB〜8GB〜
8bit（Q8_0）
無劣化に近い		3.8GB1.0GB5.4GBVRAM 6GB〜16GB〜

モデルの構造と、必要メモリの増え方

Phi-4-mini 3.8BはMicrosoftが2025年2月に公開した3.84Bのモデルです。GGUFのヘッダには32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32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128KB（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1.0GB、学習時の上限131,072トークンまで伸ばすと16GBです。

このモデルを実際に使うなら

同じ4B前後でも、文脈を伸ばしたときの重さはまるで違います。全32層が全域注意なので1トークン128KB。Gemma 3 4Bの20KBの6倍以上で、32,768トークンでKVだけ約4GB、上限131,072トークンでは約16GBと本体の7倍近くに膨らみます。

8kのままなら3.9GBで済むので、長い資料を読ませるより短い質問を重ねる使い方が向く。Phi-3系から語彙を増やして多言語に寄せ、関数呼び出しにも手を入れたと説明されています。ただし配布元は言語による性能差にも触れているので、日本語の業務に組み込むなら事前の確認が要ります。

比べる相手はQwen3 4BとSarashina2.2 3B、同じシリーズのPhi-4 14B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phi3で、当サイト収録の204モデル中3本が同じ系統です。Phi系。小さいサイズで性能を出す方向に振った系統です。

配布元はbartowski/microsoft_Phi-4-mini-instruct-GGUF、元になったモデルはmicrosoft/Phi-4-mini-instructです。

同じMicrosoftのモデルでは、サイズの近いものにPhi-3.5-mini 3.8B（3.82B）、Fara1.5 4B（4.21B）、Fara1.5 9B（8.95B）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）（2.3GB）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
4,0960.5GB3.4GBVRAM 4GB〜8GB〜
8,192既定1.0GB3.9GBVRAM 6GB〜8GB〜
16,3842.0GB4.9GBVRAM 6GB〜8GB〜
32,7684.0GB6.9GBVRAM 8GB〜16GB〜
65,5368.0GB11GBVRAM 12GB〜18GB〜
131,07216GB19GBVRAM 20GB〜32GB〜

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4.0GBから約2.0GB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
Phi-3.5-mini 3.8BMicrosoft5.8GBPhi-4-mini以前の3.8B。MIT。GPUなしのメモリ16GBでも動く
Gemma 3 4BGoogle3.2GB画像も読める小型。日本語も自然
Nemotron 3 Nano 4BNVIDIA3.4GBNVIDIAのハイブリッド構造の4B。KVキャッシュが小さく長文向き。GPUなしのメモリ8GBでも動く
Granite 4.2 3BIBM3.3GBIBMの小型3B。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
Qwen3-VL 4BAlibaba4.0GB画像・画面を読ませる小型の4B。GPUなしのメモリ8GBでも動く
Qwen3 4BAlibaba4.0GB4Bながら日本語が破綻しにくい。メモリ8GBのノートでも動く入門向け

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら131機種で20 tok/s以上、6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（131機種）

実用 8〜20 tok/s（6機種）

遅い 動くが遅い（4機種）

メモリに一部を逃がせば動く（1機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（0）を見る

    今のPCのまま、Phi-4-mini 3.8B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

    Phi-4-mini 3.8Bは4bit（IQ4_XS）で2.1GB、8bitのQ8_0なら3.8GB。精度違いを3種類そろえるだけで約5.9GB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

    Phi-4-mini 3.8B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 →

    Phi-4-mini 3.8B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

    Phi-4-mini 3.8Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル2.3GB、8,192トークンのKVキャッシュを含めて約3.9GBが必要です。GPU単体ならGeForce RTX 3060 Laptop（VRAM 6GB）から実用速度で動きます。

    Phi-4-mini 3.8B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