Ling-3.0-tiny の必要VRAM

InclusionAI製のMoE(総7.9B・実働1.3B)。24層中6層だけがMLAで残りは線形アテンション(KDA)というハイブリッド構成のため、長文でもKVキャッシュが伸びにくい。

7.89B / 24層 / GQA 16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6.5GB、128Kで約7.2GB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。

Ling-3.0-tinyとは

Ling-3.0-tinyは、inclusionAIが公開するTransformer系の入門〜標準クラス(7.89B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。

Hugging Faceでの直近30日ダウンロードは約2万件・いいね367件 — ダウンロード数は当サイト収録83モデル中73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)。

Ling-3.0-tiny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4.8GB、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6.3GB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6.3GB)が基準です。VRAMに余裕があればQ8_0(約9.9GB)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7.89B・実効1.3B。メモリは総量7.89B分が必要ですが、生成速度は1.3B級の軽さです。

MLA(圧縮KVキャッシュ)採用: 8Kトークン時のKVキャッシュは約0.1GB — 標準的なGQA構成なら約1.6GB相当のところを大幅に圧縮しており、長文でもメモリが伸びにくい設計です。

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0.2GB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1.3B相当(Q4で約0.8GB)で決まり、理論上限はRTX 3060 12GBで約457 tokens/秒、RTX 4090で約1279 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

Llama 3.1 8B(8.03B) / Llama 3.1 Swallow 8B(8.03B) / Foundation-Sec 8B Instruct(8.03B)

▶ 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)