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 122B-A10B

Qwen3.5 122B-A10B 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 ・ 122.11Bパラメータ（MoE・アクティブ10B） ・ データ更新 2026-10-02

メモリ96〜128GB級向け

74GB4bit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）
262,144最大コンテキスト（学習時）

編集部の見立て

当サイト収録のQwen3.5では最大の、総122B・アクティブ10BのMoEです。画像エンコーダを備え、配布元の説明では201の言語と方言に対応します。4bitに8kの文脈を足すと74.1GBになるため、GPU単体の選択肢はなく、民生機ではメモリ128GBのMacかRyzen AI Max+ 395が対象です。

M5 Max（128GB）で推定47.1tok/s、Strix Halo（128GB）で推定14.5tok/s。96GBのMacは実効72GBで、あと2.1GB届きません。100B級を1台で常用するために128GBを買う人、または既に持っている人向けです。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Qwen3.5-122B-A10B-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・文脈全体を見る層は12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		36GB0.2GB38GBVRAM 48GB〜64GB〜
3bit（Q3_K_M）
メモリ優先		53GB0.2GB55GBGPU単体では不可96GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		56GB0.2GB58GBGPU単体では不可96GB〜
4bit（MXFP4 MoE）
MoE専用のMXFP4		70GB0.2GB72GBGPU単体では不可128GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		71GB0.2GB74GBGPU単体では不可128GB〜
5bit（Q5_K_M）
品質重視		85GB0.2GB88GBGPU単体では不可128GB〜
6bit（Q6_K）
ほぼ無劣化		94GB0.2GB98GBGPU単体では不可192GB〜
8bit（Q8_0）
無劣化に近い		121GB0.2GB125GBGPU単体では不可192GB〜
16bit（BF16）
元精度		228GB0.2GB235GBGPU単体では不可512GB〜

モデルの構造と、必要メモリの増え方

Qwen3.5 122B-A10BはAlibabaが2026年3月に公開した122.11B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122.11Bのうち、1トークンの生成で実際に読むのは約10B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。

48層のうち注意機構でKVキャッシュを持つのは12層だけで、残り36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24KB（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0.2GB、128Kトークンまで伸ばすと3.0GB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

96GBのMacを持っているなら、IQ4_XS（56.1GB）に下げれば実効72GBに収まります。KVを持つのは12層だけで、1トークン24KB。上限の262,144トークンを満杯にしてもKVは約6GBなので、128GB機ならQ4_K_M（71.3GB）のまま長文を扱えます。

Strix Haloの実効85.8GBでも同じ。一段上のQ5_K_M（85.2GB）は128GBのMacに入りますが、長文を満杯にすると余白は2GB前後です。気をつけたいのはStrix Haloの速度で、推定14.5tok/sだと1,000トークンの回答に1分以上かかります。

構造が新しいため、llama.cppやLM Studioは更新してから読み込みましょう。比べる相手はgpt-oss-120bとGLM-4.5-Air 106B-A12B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qwen35moeで、当サイト収録の204モデル中13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unsloth/Qwen3.5-122B-A10B-GGUF、元になったモデルはQwen/Qwen3.5-122B-A10Bです。

得意分野は推論（段階を踏んで考える処理）、画像を含む文書の読み取りです。

同じAlibabaのモデルでは、サイズの近いものにQwen3-Coder-Next 80B-A3B（79.67B）、Qwen3-Next 80B-A3B（79.67B）、Qwen2.5 72B（72.71B）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）（71GB）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12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
4,0960.1GB74GBGPU単体では不可128GB〜
8,192既定0.2GB74GBGPU単体では不可128GB〜
16,3840.4GB74GBGPU単体では不可128GB〜
32,7680.8GB75GBGPU単体では不可128GB〜
65,5361.5GB75GBGPU単体では不可128GB〜
131,0723.0GB77GBGPU単体では不可128GB〜

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0.8GBから約0.4GB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
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
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
gpt-oss-120bOpenAI62GBメモリ64GB以上のMac/Strix Haloで現実的
Ling 3.0 flashinclusionAI75GB総124B・アクティブ5.1BのMoE。MIT。Mac 96GB以上が対象

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら10機種で20 tok/s以上、1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（10機種）

実用 8〜20 tok/s（1機種）

遅い 動くが遅い（1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、Qwen3.5 122B-A10B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 122B-A10Bは4bit（IQ4_XS）で56GB、8bitのQ8_0なら121GB。精度違いを3種類そろえるだけで約178GB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）

Qwen3.5 122B-A10BはMoEで、1トークンごとに動くのは10B分だけです。だからGPUに全部載せなくても、システムメモリ側に置いて実用速度が出ます。必要なのは74GBぶんの空きで、この型はVRAMを足すより先にメモリを増やすほうが効きます。

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

Qwen3.5 122B-A10B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 122B-A10B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

Qwen3.5 122B-A10Bを動かすのに必要なVRAMは？

4bit量子化（4bit（Q4_K_M））でファイル71GB、8,192トークンのKVキャッシュを含めて約74GB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。

Qwen3.5 122B-A10B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