Shisa V2.1 unphi4 14B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Shisa.AI ・公開 2025-11 ・ 14.66Bパラメータ・データ更新 2026-10-02

Phi-4系を日英バイリンガルに調整した14B。VRAM 12GB

11GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 12GB実用になるいちばん安いGPU: GeForce RTX 3080 12GB

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

16,384最大コンテキスト（学習時）

編集部の見立て

MicrosoftのPhi-4と同じ14.66Bの構成を、Shisa.AIが日英バイリンガルに調整した版です。配布元は、このV2.1の14Bが前世代のShisa V2 70Bを日本語の評価で上回ったと書いています。動かすのに要るのは、4bitに8kの文脈を足して10.6GB。

RTX 3080 12GBに載せれば推定68tok/s、Macは16GBのM2 Proで推定16.9tok/sです。70B版を動かす設備がない人にとって、Shisa V2.1の本命はこちら。VRAM 12GBの自作機やBTOで日本語の対話を回すなら、最初に検討する1本です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（mradermacher/shisa-v2.1-unphi4-14b-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（40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（Q2_K）品質劣化大。最後の手段	5.2GB	1.6GB	7.4GB	VRAM 8GB〜	16GB〜
3bit（Q3_K_M）メモリ優先	6.7GB	1.6GB	9.0GB	VRAM 10GB〜	16GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	7.5GB	1.6GB	9.8GB	VRAM 11GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	8.3GB	1.6GB	11GB	VRAM 12GB〜	16GB〜
5bit（Q5_K_M）品質重視	9.7GB	1.6GB	12GB	VRAM 16GB〜	18GB〜
6bit（Q6_K）ほぼ無劣化	11GB	1.6GB	14GB	VRAM 16GB〜	24GB〜
8bit（Q8_0）無劣化に近い	15GB	1.6GB	17GB	VRAM 20GB〜	32GB〜

モデルの構造と、必要メモリの増え方

Shisa V2.1 unphi4 14BはShisa.AIが2025年11月に公開した14.66Bのモデルです。GGUFのヘッダには40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40層が全域注意で、KVヘッド10・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200KB（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1.6GB、学習時の上限16,384トークンまで伸ばすと3.1GB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

注意したいのは文脈の上限です。配布元の表では16Kで、同じシリーズの8B（32K/128K）や70B（128K）より短い。長い議事録を丸ごと渡す使い方には向かず、分けて渡す前提になります。KVは1トークン200KB。16Kいっぱいなら8k時の10.6GBに1.6GBが足されて12.2GBとなり、実効11.5GBの12GB機では溢れる計算です。

上限まで使うならRTX 4060 Ti 16GBのような16GBクラスが安全でしょう。GPUなしではRyzen AI Max+ 395のメモリ32GB構成で推定15.8tok/s。ライセンスはMITで、Llama系の70B版より条件が軽い点も選ぶ理由になります。

同じ14BのABEJA Qwen3 14B Agenticとは狙いが別で、あちらはツールを使うエージェント向けです。

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mradermacher/shisa-v2.1-unphi4-14b-GGUF、元になったモデルはshisa-ai/shisa-v2.1-unphi4-14bです。

得意分野は日本語の文章です。

同じShisa.AIのモデルでは、サイズの近いものにShisa V2.1 Qwen3 8B（8.19B）、Shisa V2.1 Llama 3.3 70B（70.55B）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）（8.3GB）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	0.8GB	9.8GB	VRAM 11GB〜	16GB〜
8,192既定	1.6GB	11GB	VRAM 12GB〜	16GB〜
16,384	3.1GB	12GB	VRAM 16GB〜	24GB〜

KVキャッシュをq8_0に量子化すると、16,384トークンでのKVは約3.1GBから約1.6GB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
Phi-4 14B	Microsoft	11GB	数学・推論に強い14B
ABEJA Qwen3 14B Agentic	ABEJA	10GB	エージェント用途と256Kの長文対応を名前に掲げた14B。4bitならVRAM 12GBに収まる
Qwen3 14B	Alibaba	10GB	Q4ならVRAM 12GBに収まる。8Bとの差が体感できる中量級
DeepSeek-R1 Distill Qwen 14B	DeepSeek	11GB	VRAM 12GB向け推論モデル
DeepSeek-R1 Distill Qwen 14B Japanese	CyberAgent	11GB	サイバーエージェントの日本語追加学習版
Qwen2.5-Coder 14B	Alibaba	11GB	VRAM 12GB向けコードモデル