Nemotron-3 Nano 4B の必要VRAM

NVIDIA製の4B。Mamba(SSM)と注意のハイブリッド構成(注意は42層中4層)で、長文でもKVキャッシュが極小。実行には対応ランタイム(llama.cppの新しめの版)が必要。

3.97B / 42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)。

Nemotron-3 Nano 4Bとは

Nemotron-3 Nano 4Bは、nvidiaが公開するTransformer系の小型クラス(3.97Bパラメータ)オープンモデルです。低スペックPCでも常用しやすい規模で、要約・下ごしらえ・簡単な対話に向きます。

Nemotron-3 Nano 4B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3GB、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4.6GB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4.6GB)が基準です。VRAMに余裕があればQ8_0(約5.9GB)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。

ハイブリッドアテンション(線形)採用: 全42層のうちフルアテンションは4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0.5GB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3GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約121 tokens/秒、RTX 4090(1008GB/s)で約339 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

Qwen3 4B(4.02B) / Qwen3.5 4B(4.66B) / Sarashina 2.2 3B(3.36B)

▶ 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)