MiniCPM-V 4.6 の必要VRAM

OpenBMB製の超小型VLM(1.3B)。端末上での画像理解に特化した現行世代で、線形注意主体の軽量構成(フル注意は24層中6層)。Apache-2.0。

1.3B / 24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)。

MiniCPM-V 4.6とは

MiniCPM-V 4.6は、openbmbが公開するTransformer系の最軽量クラス(1.3Bパラメータ)オープンモデルです。スマホや常駐アシスタント用途を狙った超小型で、賢さより軽さ・速さが持ち味です。スマートフォンでの動作も視野に入る軽さです。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。

MiniCPM-V 4.6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0.8GB、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2.4GB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2.4GB)が基準です。VRAMに余裕があればQ8_0(約3GB)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。

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0.1GB、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)

生成速度はメモリ帯域律速です。Q4_K_Mの重み0.8GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約457 tokens/秒、RTX 4090(1008GB/s)で約1279 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

PLaMo 2 1B(1.29B) / Llama 3.2 1B(1.24B) / Qwen2.5 1.5B(1.54B)

▶ 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)