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 › Qwen3.5 0.8B

Qwen3.5 0.8B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Alibaba ・ 公開 2026-03 ・ 0.77Bパラメータ ・ データ更新 2026-10-02

Qwen3.5の最小。4bitのファイルは1GBに満たない

1.1GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）
VRAM 4GB実用になるいちばん安いGPU: GeForce RTX 3050 Laptop
8GB実用になるいちばん小さいMac: M2（8GB）
262,144最大コンテキスト（学習時）

編集部の見立て

Q4_K_Mで0.5GB。Qwen3.5の最小で、2Bと同じく画像エンコーダーを持ちます。配布元は試作や追加学習の素材としての用途を想定しており、単体で相談相手を務める大きさではありません。4bitなら8kの文脈込みでも1.1GBなので、GPUのないDDR4のメモリ8GB機でも推定36.6tok/s、RTX 2060 6GBなら推定386.7tok/s。ほかのアプリの裏で文の分類や画像の下見を回す、組み込み寄りの仕事に向きます。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/Qwen_Qwen3.5-0.8B-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（25層・文脈全体を見る層は6層だけ）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		0.4GB0.1GB1.0GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		0.5GB0.1GB1.1GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		0.5GB0.1GB1.1GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		0.5GB0.1GB1.1GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		0.5GB0.1GB1.1GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		0.6GB0.1GB1.2GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		0.6GB0.1GB1.3GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		0.8GB0.1GB1.4GBVRAM 4GB〜8GB〜
16bit（BF16）
元精度		1.5GB0.1GB2.1GBVRAM 4GB〜8GB〜

モデルの構造と、必要メモリの増え方

Qwen3.5 0.8BはAlibabaが2026年3月に公開した0.77Bのモデルです。GGUFのヘッダには25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。25層のうち注意機構でKVキャッシュを持つのは6層だけで、残り19層は線形注意やSSMなどKVを持たない層です。

KVヘッド2・head次元256で、同じ層数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12KB（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0.1GB、128Kトークンまで伸ばすと1.5GB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

同じ1B未満のQwen3 0.6Bと比べると、違いは長文での重さに出ます。Qwen3 0.6Bは全28層が全域注意でKVが1トークン112KB、32kで約3.5GB。こちらは12KBなので同じ32kでも約0.4GBで済み、学習時上限の262,144トークンでも約3GBです。

画像を読めるのもこちらだけ。BF16でも1.5GBと小さく、LoRAでの追加学習を手元のGPUで回しやすい大きさです。GGUFで画像入力を使うならmmprojを別に落とし、llama.cppは線形注意に対応した版を選びましょう。日本語の文章を任せる本番の処理なら、同じ系列の2Bか4Bと並べて比べるのが確実です。

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qwen35で、当サイト収録の204モデル中18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bartowski/Qwen_Qwen3.5-0.8B-GGUF、元になったモデルはQwen/Qwen3.5-0.8Bです。

同じAlibabaのモデルでは、サイズの近いものにQwen3 0.6B（0.6B）、Qwen2.5 0.5B（0.49B）、Qwen3-VL 2B（1.72B）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）（0.5GB）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。全域注意が6層だけのハイブリッド構成なので、長文でもKVの増え方が緩やかです。

コンテキストKVキャッシュ必要合計必要なGPU必要なMac
4,0960.0GB1.1GBVRAM 4GB〜8GB〜
8,192既定0.1GB1.1GBVRAM 4GB〜8GB〜
16,3840.2GB1.2GBVRAM 4GB〜8GB〜
32,7680.4GB1.4GBVRAM 4GB〜8GB〜
65,5360.8GB1.8GBVRAM 4GB〜8GB〜
131,0721.5GB2.6GBVRAM 4GB〜8GB〜

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0.4GBから約0.2GB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
Sarashina2.2 0.5BSB Intuitions1.5GBSarashina2.2の最小。組み込みや常時稼働の軽い処理向け
Qwen3 0.6BAlibaba1.8GBQwen3の最小。組み込みや下書きの前処理向け
Gemma 3 1BGoogle1.3GBGemma 3の1B。文章専用の小型で、GPUなしのメモリ8GBでも動く
Qwen2.5 0.5BAlibaba1.0GBQwen2.5の最小。Apache 2.0。GPUなしのメモリ8GBのPCでも動く
LFM2.5 1.2B JPLiquid AI1.3GB日本語向けに調整された1.2B。GPUなしのメモリ8GBのノートでも軽く動く
Llama 3.2 1BMeta1.5GBLlamaの最小。GPUなしのメモリ8GBのPCでも軽い

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら142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（142機種）

実用 8〜20 tok/s（0機種）

  • なし

遅い 動くが遅い（0機種）

  • なし

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（0）を見る

    今のPCのまま、Qwen3.5 0.8B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

    Qwen3.5 0.8Bは4bit（IQ4_XS）で0.5GB、8bitのQ8_0なら0.8GB。精度違いを3種類そろえるだけで約1.4GB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

    Qwen3.5 0.8B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 →

    Qwen3.5 0.8B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

    Qwen3.5 0.8Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル0.5GB、8,192トークンのKVキャッシュを含めて約1.1GBが必要です。GPU単体ならGeForce RTX 3050 Laptop（VRAM 4GB）から実用速度で動きます。

    Qwen3.5 0.8B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