Granite 4.2 3B の必要VRAM

IBMの実務向けdense 3.66B。既収録8B/30Bの小型版で、控えめなGPUやiGPUでも動く軽さ。Apache 2.0で商用判断がしやすい。公式・有志ともGGUF配布あり。

3.66B / 40層 / GQA 8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)。

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6.4GB、128Kで約14.5GBです(8Kの約3.3倍)。 文脈を延ばすと必要VRAMが大きく増えるため、エージェント用途では判定より余裕を見てください。

Granite 4.2 3Bとは

Granite 4.2 3Bは、ibm-graniteが公開するTransformer系の小型クラス(3.66Bパラメータ)オープンモデルです。低スペックPCでも常用しやすい規模で、要約・下ごしらえ・簡単な対話に向きます。

Granite 4.2 3B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2.2GB、8Kトークン分のKVキャッシュが約0.7GB、システム予約と合わせて合計約4.4GBです。 ◎(快適)判定の最小ラインは、VRAM 8GBクラスのGPUです。 迷ったらQ4_K_M(合計約4.4GB)が基準です。VRAMに余裕があればQ8_0(約6.1GB)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0.2GB、8Kで約0.7GB、32Kまで広げると約2.7GB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2.2GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約162 tokens/秒、RTX 4090(1008GB/s)で約454 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

Nemotron-3 Nano 4B(3.97B) / Sarashina 2.2 3B(3.36B) / Unlimited-OCR(3.34B)

▶ 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)