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 › Sarashina2.2 1B

Sarashina2.2 1B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

SB Intuitions ・ 公開 2025-02 ・ 1.41Bパラメータ ・ データ更新 2026-10-02

Sarashina2.2の1B。ファイルは1GB未満で、GPUなしの古いノートでも動く

2.0GB4bit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）
8,192最大コンテキスト（学習時）

編集部の見立て

Sarashina2.2の真ん中にあたる1.41Bの版です。ファイルはQ4_K_Mで0.9GB、Q8_0でも1.4GB。GPUなしのDDR4-3200・8GBのPCで推定18tok/sと、0.5B版の29.5tok/sからは落ちるものの、読める速さは残ります。

Apple M2（8GB）では推定68.1tok/s。GPUのない古いノートで日本語の短い応答を返させたいが、0.5Bより一回り大きいものを使いたい。その中間を埋める大きさです。配布元は安全面の学習が限られていると書いています。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mmnga/sarashina2.2-1b-instruct-v0.1-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（24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		0.6GB0.7GB1.8GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		0.6GB0.7GB1.8GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		0.7GB0.7GB1.9GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		0.7GB0.7GB1.9GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		0.8GB0.7GB1.9GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		0.9GB0.7GB2.0GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		1.0GB0.7GB2.2GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		1.1GB0.7GB2.3GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		1.4GB0.7GB2.6GBVRAM 4GB〜8GB〜

モデルの構造と、必要メモリの増え方

Sarashina2.2 1BはSB Intuitionsが2025年2月に公開した1.41Bのモデルです。GGUFのヘッダには24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24層が全域注意で、KVヘッド8・head次元112。

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84KB（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0.7GB、学習時の上限8,192トークンまで伸ばすと0.7GBです。

ライセンス表記: mit（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

比べる相手が一番多い大きさです。RakutenAI-2.0 mini（1.53B）やLFM2.5 1.2B JPが並び、必要量はどちらも2GBを切ります。違いが出るのは文脈の扱いで、Sarashina2.2は上限8,192トークン、KVは1トークン84KB。同じ入力を渡したときのKVは、12KBのLFM2.5 1.2B JPの7倍です。

8Kいっぱいでも0.7GBなので、8GBのPCなら問題はありません。ただ、上限を超える文書は切って渡すしかない。日本語だけの定型処理ならこちら、長めの入力やツール呼び出しを含む処理ならLFM2.5、という分け方が実際的です。MITライセンスで、商用の組み込みも条件が軽い。

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llamaで、当サイト収録の204モデル中39本が同じ系統です。Llama系。最も広く使われているアーキテクチャで、対応していないツールを探すほうが難しい水準です。

配布元はmmnga/sarashina2.2-1b-instruct-v0.1-gguf、元になったモデルはsbintuitions/sarashina2.2-1b-instruct-v0.1です。

得意分野は日本語の文章です。

同じSB Intuitionsのモデルでは、サイズの近いものにSarashina2.2 0.5B（0.79B）、Sarashina2.2 3B（3.36B）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）（0.9GB）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
4,0960.3GB1.7GBVRAM 4GB〜8GB〜
8,192既定0.7GB2.0GBVRAM 4GB〜8GB〜

KVキャッシュをq8_0に量子化すると、8,192トークンでのKVは約0.7GBから約0.3GB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
RakutenAI-2.0 mini楽天1.7GB楽天の小型1.5B。GPUなしのノートでも動く
EXAONE 4.0 1.2BLG AI Research1.7GBEXAONE 4.0の最小1.2B。GPUなしのメモリ8GBのPCでも動く
TinySwallow 1.5BSakana AI1.7GB大きいモデルから知識を移した日本語の小型。GPUなしのPCでも軽い
Llama 3.2 1BMeta1.5GBLlamaの最小。GPUなしのメモリ8GBのPCでも軽い
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
Qwen3-VL 2BAlibaba2.4GBQwen3-VLの最小。GPUなしでも画像を読める

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら138機種で20 tok/s以上、4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（138機種）

実用 8〜20 tok/s（4機種）

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、Sarashina2.2 1B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

    Sarashina2.2 1Bは4bit（IQ4_XS）で0.8GB、8bitのQ8_0なら1.4GB。精度違いを3種類そろえるだけで約2.2GB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

    Sarashina2.2 1B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 →

    Sarashina2.2 1B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

    Sarashina2.2 1Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル0.9GB、8,192トークンのKVキャッシュを含めて約2.0GB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。

    Sarashina2.2 1B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