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 › SmolLM3 3B

SmolLM3 3B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Hugging Face ・ 公開 2025-07 ・ 3.08Bパラメータ ・ データ更新 2026-10-02

学習手順まで公開された3B。Apache 2.0。GPUなしのメモリ8GBでも動く

2.9GB4bit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）
65,536最大コンテキスト（学習時）

編集部の見立て

Hugging Faceが重みだけでなく、学習データの構成や設定まで公開した3Bです。配布元の説明では11.2兆トークンで事前学習し、考える過程を出す・出さないを切り替えられます。8kの文脈込みでも4bitなら2.9GB。GPUのないDDR4機（メモリ8GB）で推定10.4tok/s、M2（8GB）で推定39.4tok/s、RTX 2060 6GBなら推定109.9tok/sです。

ただし正式に対応する6言語に日本語は入っていません。英語や欧州語の文書を扱う人か、小型モデルの作り方を追いたい人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（bartowski/HuggingFaceTB_SmolLM3-3B-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（36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		1.0GB0.6GB2.1GBVRAM 4GB〜8GB〜
2bit（Q2_K）
品質劣化大。最後の手段		1.2GB0.6GB2.3GBVRAM 4GB〜8GB〜
3bit（IQ3_M）
メモリ優先		1.4GB0.6GB2.5GBVRAM 4GB〜8GB〜
3bit（Q3_K_M）
メモリ優先		1.5GB0.6GB2.6GBVRAM 4GB〜8GB〜
4bit（IQ4_XS）
Q4_K_Mより一回り小さい		1.6GB0.6GB2.7GBVRAM 4GB〜8GB〜
4bit（Q4_K_M）
標準。迷ったらこれ		1.8GB0.6GB2.9GBVRAM 4GB〜8GB〜
5bit（Q5_K_M）
品質重視		2.1GB0.6GB3.2GBVRAM 4GB〜8GB〜
6bit（Q6_K）
ほぼ無劣化		2.4GB0.6GB3.5GBVRAM 4GB〜8GB〜
8bit（Q8_0）
無劣化に近い		3.1GB0.6GB4.2GBVRAM 6GB〜8GB〜
16bit（BF16）
元精度		5.7GB0.6GB7.0GBVRAM 8GB〜16GB〜

モデルの構造と、必要メモリの増え方

SmolLM3 3BはHugging Faceが2025年7月に公開した3.08Bのモデルです。GGUFのヘッダには36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36層が全域注意で、KVヘッド4・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72KB（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0.6GB、学習時の上限65,536トークンまで伸ばすと4.5GB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

思考は既定でオンです。止めるにはシステムプロンプトに/no_thinkを書くか、enable_thinkingをfalseにします。両方を指定するとシステムプロンプト側が優先される、と配布元は注意しています。推奨はtemperature 0.6とtop_p 0.95。

設定ファイルの文脈上限は65,536トークンで、128kまで使うにはYaRNの設定を書き換える手順が要ります。KVは1トークン72KBなので、65,536トークンで4.5GB、128kでは9GB。ツール呼び出しはxml_toolsとpython_toolsの2通りです。

Macなら配布元が挙げるMLXでも動かせます。Apache 2.0なので商用の組み込みも可能。日本語の文書が中心なら、同じ3B級のSarashina2.2 3B（3.36B）と比べて選ぶのが確実です。

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smollm3で、当サイト収録の204モデル中1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/HuggingFaceTB_SmolLM3-3B-GGUF、元になったモデルはHuggingFaceTB/SmolLM3-3Bです。

得意分野は推論（段階を踏んで考える処理）です。

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）（1.8GB）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
4,0960.3GB2.6GBVRAM 4GB〜8GB〜
8,192既定0.6GB2.9GBVRAM 4GB〜8GB〜
16,3841.1GB3.5GBVRAM 4GB〜8GB〜
32,7682.3GB4.6GBVRAM 6GB〜8GB〜
65,5364.5GB6.8GBVRAM 8GB〜16GB〜

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2.3GBから約1.1GB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
Qwen2.5-VL 3BAlibaba2.6GBQwen2.5-VLの小型3B。GPUなしのメモリ8GBのPCでも動く
Qwen2.5-Coder 3BAlibaba2.6GBQwen2.5-Coderの小型3B。補完向け。GPUなしのメモリ8GBのPCでも動く
Qwen2.5 3BAlibaba2.6GBQwen2.5の3B。GPUなしのメモリ8GBのPCでも動く
Llama 3.2 3BMeta3.3GBGPUなしのノートでも動く軽量級
Sarashina2.2 3BSB Intuitions3.7GBソフトバンク系の国産フルスクラッチ3B。MITライセンス。GPUなしのノートでも動く
Ministral 3 3BMistral AI3.4GBMistralの小型3B。Apache 2.0。GPUなしのメモリ8GBでも動く

4bit（Q4_K_M）が動く機種と推定速度

4bit（Q4_K_M）なら134機種で20 tok/s以上、8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（134機種）

実用 8〜20 tok/s（8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、SmolLM3 3B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

    SmolLM3 3Bは4bit（IQ4_XS）で1.6GB、8bitのQ8_0なら3.1GB。精度違いを3種類そろえるだけで約4.4GB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

    SmolLM3 3B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 →

    SmolLM3 3B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

    SmolLM3 3Bを動かすのに必要なVRAMは？

    4bit量子化（4bit（Q4_K_M））でファイル1.8GB、8,192トークンのKVキャッシュを含めて約2.9GB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。

    SmolLM3 3B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