Kolibri-1 の必要VRAM

Aleph Alpha(独)の独英特化MoE(総78B・実働3.5B)。50層中40層が窓513のスライディングウィンドウ注意。

78.1B / 50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)。

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49.6GB、128Kで約51.6GB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。

⚠ 公式配布はFP8です。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

Kolibri-1とは

Kolibri-1は、Aleph-Alphaが公開するTransformer系の最大級クラス(78.1Bパラメータ)オープンモデルです。単一のコンシューマGPUには収まらない規模で、複数GPUかクラウドが前提になります。

Hugging Faceでの直近30日ダウンロードは約2万件・いいね1,001件 — ダウンロード数は当サイト収録120モデル中89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)。

Kolibri-1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47.3GB、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49.1GBです。 ◎(快適)判定の最小ラインは、VRAM 80GBクラスのGPUです。 迷ったらQ4_K_M(合計約49.1GB)が基準です。VRAMに余裕があればQ8_0(約84.7GB)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78.1B・実効3.46B。メモリは総量78.1B分が必要ですが、生成速度は3.46B級の軽さです。

ハイブリッドアテンション採用: 全50層のうちフルアテンションは10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0.2GB、32Kまで広げると約0.7GBになります。文脈を4倍にしてもKVキャッシュは3.4倍にしか増えません — 長文に強いメモリ設計です。

速度の目安(理論上限)

MoEのため速度は実効3.46B相当(Q4で約2.1GB)で決まり、理論上限はRTX 3060 12GBで約172 tokens/秒、RTX 4090で約481 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

Qwen3-Coder-Next 80B-A3B(79.7B) / Llama 3.3 70B(70.6B) / GLM-4.5-Air(110.47B)

▶ 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)