Flint の必要VRAM

Recursiveのコーディングエージェント向けMoE(総40B・実働2.5B)。49層中35層が窓513のスライディングウィンドウ注意。

39.79B / 49層 / GQA 4ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。 このモデルは実際にその境界にあります: IQ4_XS相当(4.25bit)に置き換えると必要VRAMが約25.9GB→約22.9GBになり、24GB級で「× 不可」→「△ ぎりぎり」に一段上がります。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約26.6GB、128Kで約29.4GBです(8Kの約1.1倍)。 KVヘッドが少ない構成のため、文脈を延ばしても増え方はゆるやかです。エージェント用途に向く設計といえます。

Flintとは

Flintは、RecursiveSIが公開するTransformer系のハイエンドクラス(39.79Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。コーディング・開発支援に特化したチューニングが施されています。

Hugging Faceでの直近30日ダウンロードは約3万件・いいね1,318件 — ダウンロード数は当サイト収録120モデル中82位です(2026-11-04時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Flintの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約24.1GB、8Kトークン分のKVキャッシュが約0.3GB、システム予約と合わせて合計約25.9GBです。 ◎(快適)判定の最小ラインは、VRAM 32GBクラスのGPUです。 迷ったらQ4_K_M(合計約25.9GB)が基準です。VRAMに余裕があればQ8_0(約44GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総39.79B・実効2.5B。メモリは総量39.79B分が必要ですが、生成速度は2.5B級の軽さです。

ハイブリッドアテンション採用: 全49層のうちフルアテンションは14層のみで、残りの層は直近513トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.1GB、8Kで約0.3GB、32Kまで広げると約1GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効2.5B相当(Q4で約1.5GB)で決まり、理論上限はRTX 3060 12GBで約238 tokens/秒、RTX 4090で約665 tokens/秒です(実効はこれ以下)。

動かすには

OllamaやLM Studioに対応しています。導入手順は用語集のOllamaページにまとめています。

同クラスの選択肢

Intern-S2-Mobius(36.48B) / Qwen3.5 35B-A3B(35.95B) / Qwen3.6 35B-A3B(35.95B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)