Nemotron-3.5 Lightning 30B-A3B の必要VRAM

NVIDIAの新世代MoE(総31.6B・実働3B)。Mamba-2+MoEのハイブリッドでアテンションは52層中6本、KVキャッシュが軽い。reasoningのオン/オフをチャットテンプレートで切替可。商用可ライセンス(OpenMDW-1.1)。

31.58B / 52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)。 このモデルは実際にその境界にあります: IQ4_XS相当(4.25bit)に置き換えると必要VRAMが約27.0GB→約18.3GBになり、24GB級で「× 不可」→「◎ 快適」に一段上がります。

Nemotron-3.5 Lightning 30B-A3Bとは

Nemotron-3.5 Lightning 30B-A3Bは、nvidiaが公開するTransformer系のハイエンドクラス(31.58Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。

Hugging Faceでの直近30日ダウンロードは約38万件・いいね190件 — ダウンロード数は当サイト収録83モデル中49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)。

Nemotron-3.5 Lightning 30B-A3B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25.5GB、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27GBです。 ◎(快適)判定の最小ラインは、VRAM 32GBクラスのGPUです。 迷ったらQ4_K_M(合計約27GB)が基準です。VRAMに余裕があればQ8_0(約36.6GB)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31.58B・実効3B。メモリは総量31.58B分が必要ですが、生成速度は3B級の軽さです。

ハイブリッドアテンション(線形)採用: 全52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。

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3B相当(Q4で約2.4GB)で決まり、理論上限はRTX 3060 12GBで約149 tokens/秒、RTX 4090で約417 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

Gemma 4 31B(31.27B) / GLM-4.7-Flash 31B-A3B(31.2B) / North Mini Code 1.0(30.48B)

▶ 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)