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 › Qwen3 14B

Qwen3 14B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Alibaba ・ 公開 2025-04 ・ 14.77Bパラメータ ・ データ更新 2026-10-02

Q4ならVRAM 12GBに収まる。8Bとの差が体感できる中量級

10GB4bit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）
32,768最大コンテキスト（学習時）

編集部の見立て

2025年4月のQwen3世代で、8Bと32Bの間を埋める14Bのdense型です。思考と即答の2つのモードを持ち、100を超える言語に対応すると配布元は書いています。ファイルはQ4_K_Mが8.4GB、会話8k分を足すと10.4GB。VRAM 11GBのRTX 2080 Tiには0.1GBの余白で載り、推定42.5tok/sです。

ノートならRTX 5070 Ti Laptop（12GB）で推定53.4tok/s。Macは16GBのM2 Proで推定17tok/sの実用域になります。VRAM 12GB級のGPUを持ち、8Bから一段上げたい人に合う位置です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/Qwen_Qwen3-14B-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		5.0GB1.3GB6.9GBVRAM 8GB〜16GB〜
2bit（Q2_K）
品質劣化大。最後の手段		5.4GB1.3GB7.3GBVRAM 8GB〜16GB〜
3bit（IQ3_M）
メモリ優先		6.4GB1.3GB8.4GBVRAM 10GB〜16GB〜
3bit（Q3_K_M）
メモリ優先		6.8GB1.3GB8.8GBVRAM 10GB〜16GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		7.6GB1.3GB9.5GBVRAM 11GB〜16GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		8.4GB1.3GB10GBVRAM 11GB〜16GB〜
5bit（Q5_K_M）
品質重視		9.8GB1.3GB12GBVRAM 16GB〜18GB〜
6bit（Q6_K）
ほぼ無劣化		11GB1.3GB13GBVRAM 16GB〜24GB〜
8bit（Q8_0）
無劣化に近い		15GB1.3GB17GBVRAM 20GB〜32GB〜
16bit（BF16）
元精度		28GB1.3GB30GBVRAM 32GB〜48GB〜

モデルの構造と、必要メモリの増え方

Qwen3 14BはAlibabaが2025年4月に公開した14.77B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、学習時の上限32,768トークンまで伸ばすと5.0GBです。

このモデルを実際に使うなら

思考の切り替えには2つの段階があります。/thinkと/no_thinkはターンごとの柔らかい指定で、enable_thinkingをFalseにする固い指定を入れると、この2つは無効になる。ツール側で固い指定を切ったまま/thinkを書いても考えません。標準のコンテキストは32,768トークンで、YaRNを使えば131,072トークンまで。

1トークンあたりのKVが160KBあるため、32,768トークンを埋めると約5GBが上乗せされ、Q4_K_Mと合わせて14GB前後です。VRAM 12GB機では16k弱が上限の目安。32Kまで使うなら16GBのGPUへ。比べる相手は同じ14.77BのQwen2.5-Coder 14Bと、DeepSeek-R1 Distill Qwen 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qwen3で、当サイト収録の204モデル中10本が同じ系統です。Qwen3系。前世代から構造が更新され、対応するツールの版数を選ぶことがあります。

配布元はbartowski/Qwen_Qwen3-14B-GGUF、元になったモデルはQwen/Qwen3-14Bです。

得意分野は推論（段階を踏んで考える処理）、日本語の文章です。

同じAlibabaのモデルでは、サイズの近いものにQwen2.5-Coder 14B（14.77B）、Qwen2.5 14B（14.77B）、Qwen3.5 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）（8.4GB）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
4,0960.6GB9.8GBVRAM 11GB〜16GB〜
8,192既定1.3GB10GBVRAM 11GB〜16GB〜
16,3842.5GB12GBVRAM 16GB〜18GB〜
32,7685.0GB14GBVRAM 16GB〜24GB〜

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
ABEJA Qwen3 14B AgenticABEJA10GB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
DeepSeek-R1 Distill Qwen 14BDeepSeek11GBVRAM 12GB向け推論モデル
DeepSeek-R1 Distill Qwen 14B JapaneseCyberAgent11GBサイバーエージェントの日本語追加学習版
Qwen2.5-Coder 14BAlibaba11GBVRAM 12GB向けコードモデル
Qwen2.5 14BAlibaba11GB2024年の14B（dense型）。VRAM 11GB / Mac 16GBから
Shisa V2.1 unphi4 14BShisa.AI11GBPhi-4系を日英バイリンガルに調整した14B。VRAM 12GB

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら76機種で20 tok/s以上、21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（76機種）

実用 8〜20 tok/s（21機種）

遅い 動くが遅い（15機種）

メモリに一部を逃がせば動く（26機種・CPUオフロード、PCのメモリ32GB想定）

動かない機種（4）を見る

今のPCのまま、Qwen3 14B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

Qwen3 14Bは4bit（IQ4_XS）で7.6GB、8bitのQ8_0なら15GB。精度違いを3種類そろえるだけで約23GB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 →

GPUを1枚替える: RTX 5070（12GB）

「あと数GB足りない」を埋めるのに、PC一式を買い替える必要はありません。RTX 5070なら4bit（IQ4_XS）の10GBがVRAMに収まります。先に見るのは、今のケースに入る長さか、電源の容量と補助電源のコネクタが足りるかの2点です。

Amazonで「RTX 5070 グラフィックボード」を見る →

ローカルLLM / AIエージェント入門書

Qwen3 14B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 →

Qwen3 14B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 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

要件を満たす中で最も手頃

Amazonで「RTX 5070 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 Ti（16GB）デスクトップ・メモリ32GB

FLUX、27B級のMoE型、gpt-oss-20bまで。ローカルAIの定番

RTX 5070 Ti（VRAM 16GB）・メモリ32GB・NVMe 2TB・電源750W ・ 目安 28〜38万円

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 Ti 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

Qwen3 14Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル8.4GB、8,192トークンのKVキャッシュを含めて約10GBが必要です。GPU単体ならGeForce RTX 2080 Ti（VRAM 11GB）から実用速度で動きます。

Qwen3 14BはMacで動く？

動きます。ユニファイドメモリ16GB以上のApple Silicon（例: Apple M2 Pro（16GB））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（27〜32Bクラス）に必要なPC / MacかWindowsか

手持ちのPCで判定する