Foundation-Sec 8B Instruct の必要VRAM

GPUを買わずに、大きいモデルを動かす — クラウドGPUという選択肢(仕組みと手順の解説へ)

Foundation AIチーム製のセキュリティ特化モデル(Llama 8Bベース)。脆弱性情報やインシデントログを外部に出さず手元で分析したい、セキュリティ実務・研究向けの防御寄りモデル。

8.03B / 32層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

量子化必要VRAMRTX 3060 TiRTX 3070RTX 4060RTX 3080RTX 3060 12GBRTX 4070RTX 4060 Ti 16GBRTX 4070 Ti SUPERRTX 4080RX 7800 XTRTX 3090RTX 4090RX 7900 XTXRTX 5090
Q4_K_M7.4 GB△ ぎりぎり△ ぎりぎり△ ぎりぎり◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適
Q5_K_M8.3 GB△ ぎりぎり△ ぎりぎり△ ぎりぎり◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適
Q6_K9.2 GB× 不可× 不可× 不可△ ぎりぎり◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適
Q8_011.1 GB× 不可× 不可× 不可× 不可△ ぎりぎり△ ぎりぎり◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適◎ 快適
FP1618.6 GB× 不可× 不可× 不可× 不可× 不可× 不可× 不可× 不可× 不可× 不可◎ 快適◎ 快適◎ 快適◎ 快適

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。

Foundation-Sec 8B Instructとは

Foundation-Sec 8B Instructは、fdtn-aiが公開するLlama系の入門〜標準クラス(8.03Bパラメータ)オープンモデルです。8GB級GPUで扱える定番サイズで、日常的な対話・文章作成の実用ラインです。

Hugging Faceでの直近30日ダウンロードは約2万件・いいね71件 — ダウンロード数は当サイト収録42モデル中39位です(2026-07-26時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Foundation-Sec 8B Instruct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4.9GB、8Kトークン分のKVキャッシュが約1.1GB、システム予約と合わせて合計約7.4GBです。 ◎(快適)判定の最小ラインは、VRAM 12GBクラスのGPUです。 迷ったらQ4_K_M(合計約7.4GB)が基準です。VRAMに余裕があればQ8_0(約11.1GB)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。

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0.3GB、8Kで約1.1GB、32Kまで広げると約4.3GB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)

生成速度はメモリ帯域律速です。Q4_K_Mの重み4.9GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約74 tokens/秒、RTX 4090(1008GB/s)で約207 tokens/秒 — 実効はオーバーヘッドの分これより下がります。

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

Llama 3.1 8B(8.03B) / Llama 3.1 Swallow 8B(8.03B) / Bonsai 8B (1-bit)(8.19B)

お使いのGPUで判定する

判定はブラウザ内で完結します(選択内容は送信されません)。

▶ 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)

クラウドGPUでFoundation-Sec 8B Instructを動かす(RunPod)

📚 ローカルLLMの入門書・ムックをAmazonで探す

上記はアフィリエイトリンクです。経由して課金された場合、当サイトに紹介料が入ります。