Qwen3-Swallow 30B-A3B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Swallow（東京科学大学・産総研）・公開 2026-02 ・ 30.53Bパラメータ（MoE・アクティブ3.3B）・データ更新 2026-10-02

Qwen3 30B-A3Bに日本語を追加学習したMoE。VRAM 20GB級のGPUやMac 32GBで速い

19GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 20GB実用になるいちばん安いGPU: Radeon RX 7900 XT

32GB実用になるいちばん小さいMac: M2 Max（32GB）

40,960最大コンテキスト（学習時）

編集部の見立て

AlibabaのQwen3 30B-A3Bに、日本語の継続事前学習とSFT、検証可能な報酬による強化学習を重ねた版です。総30.53Bのうち動くのは3.3B分なので、メモリに収まりさえすれば速い。4bitに8kの文脈を足すと19.1GBが要り、Radeon RX 7900 XT（20GB）で推定119.6tok/s、Apple M2 Max（32GB）でも推定74.6tok/s。

配布元は数学とコードの成績も伸びたと説明しています。24GB級のGPUか32GBのMacがあるなら、日本語の相談相手として最初に並べたい1本です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mmnga-o/Qwen3-Swallow-30B-A3B-RL-v0.2-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（48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
3bit（IQ3_M）メモリ優先	13GB	0.8GB	14GB	VRAM 16GB〜	24GB〜
3bit（Q3_K_M）メモリ優先	14GB	0.8GB	15GB	VRAM 16GB〜	24GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	15GB	0.8GB	17GB	VRAM 20GB〜	32GB〜
4bit（Q4_K_M）標準。迷ったらこれ	17GB	0.8GB	19GB	VRAM 20GB〜	32GB〜
5bit（Q5_K_M）品質重視	20GB	0.8GB	22GB	VRAM 24GB〜	36GB〜
6bit（Q6_K）ほぼ無劣化	23GB	0.8GB	25GB	VRAM 32GB〜	48GB〜
8bit（Q8_0）無劣化に近い	30GB	0.8GB	32GB	VRAM 48GB〜	48GB〜

モデルの構造と、必要メモリの増え方

Qwen3-Swallow 30B-A3BはSwallow（東京科学大学・産総研）が2026年2月に公開した30.53Bのモデルです。GGUFのヘッダには48層と書かれており、総パラメータ30.53Bのうち、1トークンの生成で実際に読むのは約3.3B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48層が全域注意で、KVヘッド4・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96KB（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0.8GB、学習時の上限40,960トークンまで伸ばすと3.8GB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

考える過程のオンオフを切り替える機能はありません。配布元はSFT版もRL版も常に推論する設計だと書いており、即答が欲しい場面でも思考の出力を待つことになります。ツール呼び出しも学習していないので、エージェントのコード作業にはQwen3-Coder 30B-A3Bを選ぶほうが筋。

vLLMで量子化版を使う人は、GPTQ版が性能低下で非公開になり、AWQ-INT4版が案内されている点に注意です。KVは全48層が持つので1トークン96KB、学習時上限の40,960トークンで約3.75GB。16GBのGPUではIQ4_XS（15.2GB）でも溢れ、IQ3_M（12.6GB）まで落とす必要があります。

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qwen3moeで、当サイト収録の204モデル中6本が同じ系統です。Qwen3のMoE系。アクティブパラメータが小さく、メモリさえ足りれば速く動きます。

配布元はmmnga-o/Qwen3-Swallow-30B-A3B-RL-v0.2-gguf、元になったモデルはtokyotech-llm/Qwen3-Swallow-30B-A3B-RL-v0.2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Swallow（東京科学大学・産総研）のモデルでは、サイズの近いものにGemma-2-Llama-Swallow 27B（27.23B）、GPT-OSS-Swallow 20B（20.91B）、Gemma-2-Llama-Swallow 9B（9.24B）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）（17GB）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	0.4GB	19GB	VRAM 20GB〜	32GB〜
8,192既定	0.8GB	19GB	VRAM 20GB〜	32GB〜
16,384	1.5GB	20GB	VRAM 24GB〜	32GB〜
32,768	3.0GB	21GB	VRAM 24GB〜	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3.0GBから約1.5GB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
Qwen3-VL 30B-A3B	Alibaba	19GB	画像を読めるQwen3のMoE（アクティブ3B級）。VRAM 20GB / Mac 32GBから
Qwen3 30B-A3B	Alibaba	19GB	MoE型で、メモリさえ足りれば速い。Macやメモリ多めのPC向き
Qwen3-Coder 30B-A3B	Alibaba	19GB	ローカルのコード補助の定番MoE
North Mini Code 1.0	Cohere Labs	19GB	コード用途を名前に掲げた30BのMoE。Apache 2.0。メモリ32GB級から
Gemma 4 31B	Google	19GB	2026年のGoogle製で、dense型の上位。VRAM 24GB向け
GLM-4.7-Flash 30B-A3B	Z.ai	19GB	MLA採用でKVキャッシュが小さい軽量MoE