Nemotron-3 Super 120B-A12B の必要VRAM

NVIDIA製の総124B・実働12B MoE。Mamba+MoEのハイブリッドで注意は88層中8層、KVキャッシュが軽い。24GB級GPU+大容量RAMのオフロード実行と相性の良い構成。

123.61B / 88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)。

Nemotron-3 Super 120B-A12Bとは

Nemotron-3 Super 120B-A12Bは、nvidiaが公開するTransformer系のデータセンター級(123.61Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。

Nemotron-3 Super 120B-A12B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87GB、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88.6GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約88.6GB)が基準です。VRAMに余裕があればQ8_0(約130GB)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123.61B・実効12B。メモリは総量123.61B分が必要ですが、生成速度は12B級の軽さです。

ハイブリッドアテンション(線形)採用: 全88層のうちフルアテンションは8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0.3GB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12B相当(Q4で約8.4GB)で決まり、理論上限はRTX 3060 12GBで約43 tokens/秒、RTX 4090で約119 tokens/秒です(実効はこれ以下)。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

Step-3.7-Flash(201.37B)

▶ 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)