LFM2.5 8B-A1B の必要VRAM

Liquid AI製のオンデバイスMoE(総8.5B・実働1B級)。畳み込み+注意のハイブリッド(注意は24層中6層)で、MoEの速さと省メモリを両立。開発元がGGUFも配布。

8.47B / 24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)。

LFM2.5 8B-A1Bとは

LFM2.5 8B-A1Bは、LiquidAIが公開するTransformer系の入門〜標準クラス(8.47B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。スマートフォンでの動作も視野に入る軽さです。

LFM2.5 8B-A1B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5.2GB、8Kトークン分のKVキャッシュが約0.1GB、システム予約と合わせて合計約6.8GB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6.8GB)が基準です。VRAMに余裕があればQ8_0(約10.6GB)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8.47B・実効1B。メモリは総量8.47B分が必要ですが、生成速度は1B級の軽さです。

ハイブリッドアテンション(線形)採用: 全24層のうちフルアテンションは6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。

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0.1GB、32Kまで広げると約0.4GB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)

MoEのため速度は実効1B相当(Q4で約0.6GB)で決まり、理論上限はRTX 3060 12GBで約591 tokens/秒、RTX 4090で約1656 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

Qwen2.5-VL 7B(8.29B) / Bonsai 8B (1-bit)(8.19B) / Ternary-Bonsai 8B (三値)(8.19B)

▶ 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)