Intern-S2-Mobius の必要VRAM

InternLMがQwen3.5-35Bから継続事前学習した新アーキ「Mobius」の36B MoE。知識を層ごとのFFNではなく全層共有のMemoryに置き、推論部が反復参照する構成(2560エキスパート中8起動)。Apache-2.0。

36.48B / 40層 / GQA 2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23.8GB→約21.0GBになり、24GB級で「△ ぎりぎり」→「◎ 快適」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24.3GB、128Kで約26.3GB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。

🛠 新アーキのため llama.cpp・Ollama・LM Studio では動きません。実行には LMDeploy 等の対応ランタイムが必要です。

Intern-S2-Mobiusとは

Intern-S2-Mobiusは、internlmが公開するTransformer系のハイエンドクラス(36.48B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。テキストに加えて画像入力に対応するマルチモーダル(VLM)です。

Hugging Faceでの直近30日ダウンロードは約1,450件・いいね58件 — ダウンロード数は当サイト収録83モデル中81位です(2026-08-27時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

Intern-S2-Mobius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22.1GB、8Kトークン分のKVキャッシュが約0.2GB、システム予約と合わせて合計約23.8GB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23.8GB)が基準です。VRAMに余裕があればQ8_0(約40.4GB)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。

ハイブリッドアテンション(線形)採用: 全40層のうちフルアテンションは10層のみで、残りの層はコンテキスト長に依存しない固定サイズの状態を持ちます。長文に強い設計です。

画像対応(VLM): 画像を入力する際は、テキストのみの目安より使用メモリが増えます。

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0GB、8Kで約0.2GB、32Kまで広げると約0.7GB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22.1GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約16 tokens/秒、RTX 4090(1008GB/s)で約46 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

Qwen3.5 35B-A3B(35.95B) / Qwen3.6 35B-A3B(35.95B) / Ornith 1.5 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)