MiniCPM5 1B の必要VRAM

OpenBMB製の1B級。スマホ・エッジ向けの現行定番で、1Bクラスとしては珍しく128Kコンテキストに対応。Apache-2.0。

1.08B / 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)。

MiniCPM5 1Bとは

MiniCPM5 1Bは、openbmbが公開するLlama系の最軽量クラス(1.08B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。

MiniCPM5 1B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0.7GB、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2.9GB)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。

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0.8GB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0.7GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約523 tokens/秒、RTX 4090(1008GB/s)で約1464 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

Llama 3.2 1B(1.24B) / PLaMo 2 1B(1.29B) / MiniCPM-V 4.6(1.3B)

▶ 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)