Granite 4.2 8B の必要VRAM

IBM製の実務向けdense 8B。既収録Granite 4.1 8Bの後継で、構造(4096・40層)は据え置き。4.2世代の差分はネイティブの思考機能で、full・非thinking・低負荷の3モードを切り替えられる。Apache 2.0で商用判断がしやすく、公式・有志ともGGUF配布あり。

8.79B / 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12.2GB、128Kで約28.3GBです(8Kの約3.5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 8Bとは

Granite 4.2 8Bは、ibm-graniteが公開するTransformer系の入門〜標準クラス(8.79B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。

Granite 4.2 8B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5.3GB、8Kトークン分のKVキャッシュが約1.3GB、システム予約と合わせて合計約8.2GB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8.2GB)が基準です。VRAMに余裕があればQ8_0(約12.2GB)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1.3GB、32Kまで広げると約5.4GB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5.3GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約68 tokens/秒、RTX 4090(1008GB/s)で約189 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

Granite 4.1 8B(8.79B) / Qwen3-VL 8B(8.77B) / LFM2.5 8B-A1B(8.47B)

▶ 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)