Qwen3.8 27B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Alibaba ・公開 2026-08 ・ 27.32Bパラメータ・データ更新 2026-10-02

2026年8月公開の27Bのdense型。GGUF公開モデルではダウンロード数が最多クラス。VRAM 24GB / Mac 48GB向け

17GB4bit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）

262,144最大コンテキスト（学習時）

編集部の見立て

2026年8月に出た、Qwen3.8世代のdense型です。配布元はコード、専門職の作業、長い手順のエージェント処理の底上げを掲げ、画像と動画も読めると説明しています。4bitに8kトークンの文脈を足すと16.8GBが要ります。VRAM 16GBのRTX 5070 Tiでは1.3GB足りません。

最低ラインはVRAM 20GBのRadeon RX 7900 XTで、推定28.7tok/s。MacならM2 Max（32GB）で推定17.9tok/sです。Qwen系の27Bで最も新しい版を使いたい人向けで、20GB級のGPUか32GBのMacからが対象です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/Qwen3.8-27B-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（65層・文脈全体を見る層は16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
4bit（IQ4_XS） Q4_K_Mより一回り小さい	13GB	0.5GB	15GB	VRAM 16GB〜	24GB〜
4bit（Q4_K_M）標準。迷ったらこれ	15GB	0.5GB	17GB	VRAM 20GB〜	32GB〜
5bit（Q5_K_M）品質重視	18GB	0.5GB	20GB	VRAM 24GB〜	32GB〜
6bit（Q6_K）ほぼ無劣化	20GB	0.5GB	22GB	VRAM 24GB〜	36GB〜
8bit（Q8_0）無劣化に近い	27GB	0.5GB	29GB	VRAM 32GB〜	48GB〜
16bit（BF16）元精度	51GB	0.5GB	53GB	GPU単体では不可	96GB〜

モデルの構造と、必要メモリの増え方

Qwen3.8 27BはAlibabaが2026年8月に公開した27.32Bのモデルです。GGUFのヘッダには65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。65層のうち注意機構でKVキャッシュを持つのは16層だけで、残り49層は線形注意やSSMなどKVを持たない層です。

KVヘッド4・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64KB（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0.5GB、128Kトークンまで伸ばすと8.0GB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

思考モードは既定でオンです。リクエストごとに切れるほか、配布元の説明ではreasoning_effortで考える深さを変えられ、preserve_thinkingで過去のやり取りの思考を残せます。深さを浅くすれば、推定28.7tok/sのRX 7900 XTでも返事が始まるまでの時間は短くなります。

KVを持つ層は16層に限られ、1トークンあたり64KBです。131,072トークンまで伸ばすとKVは約8GB。Q4_K_M（15.3GB）に計算用のバッファまで足すと、24GB級GPUの実効23.5GBを超えます。24GB機で長文を扱うならIQ4_XS（13.3GB）へ。比べる相手は同じ骨格のQwen3.6 27Bと、Gemma 3 27B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unsloth/Qwen3.8-27B-GGUF、元になったモデルはQwen/Qwen3.8-27B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Qwen3.6 27B（26.9B）、Qwen3.5 27B（26.9B）、Qwen3-VL 30B-A3B（30.53B）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）（15GB）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16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
4,096	0.3GB	17GB	VRAM 20GB〜	32GB〜
8,192既定	0.5GB	17GB	VRAM 20GB〜	32GB〜
16,384	1.0GB	17GB	VRAM 20GB〜	32GB〜
32,768	2.0GB	18GB	VRAM 20GB〜	32GB〜
65,536	4.0GB	20GB	VRAM 24GB〜	32GB〜
131,072	8.0GB	24GB	VRAM 32GB〜	48GB〜

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2.0GBから約1.0GB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
Gemma-2-Llama-Swallow 27B	Swallow（東京科学大学・産総研）	19GB	Gemma 2 27Bの日本語強化版。VRAM 24GB向け
Gemma 3 27B	Google	17GB	VRAM 24GB向け。日本語品質は最上位クラス
AREX-2 27B	BAAI（北京智源）	18GB	答えを出し、点数やエラーを読んで作り直す周回を重ねる前提で鍛えたBAAIの27B。Apache 2.0。VRAM 20GB / Mac 32GBから
UI-Mate 27B	Tencent	18GB	UI-Mateの上位27B。VRAM 24GB / Mac 48GB向け
Fara1.5 27B	Microsoft	18GB	Microsoft Researchのブラウザ操作エージェント用27B。画面のスクリーンショットを見て操作する。MIT。VRAM 20GB / Mac 24GBから
Qwen3.6 27B	Alibaba	17GB	Qwen3.5 27Bの改良版。VRAM 24GB向けのdense型では最新