Nemotron-3.5 Super VL 120B-A12B の必要VRAM

NVIDIAのNemotron 3.5 Super のVLM版(総120B・実働12B)。88層のうちMamba-2が40層、注意層は8層だけで、KVキャッシュが小さい。画像入力時はこの目安より必要メモリが増えます。

124.45B / 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)。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

Nemotron-3.5 Super VL 120B-A12Bとは

Nemotron-3.5 Super VL 120B-A12Bは、nvidiaが公開するTransformer系のデータセンター級(124.45B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)。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。

Hugging Faceでの直近30日ダウンロードは約6万件・いいね113件 — ダウンロード数は当サイト収録120モデル中77位です(2026-11-04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 Super VL 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75.4GB、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77GB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77GB)が基準です。VRAMに余裕があればQ8_0(約133.8GB)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124.45B・実効12B。メモリは総量124.45B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。

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0.3GB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7.3GB)で決まり、理論上限はRTX 3060 12GBで約49 tokens/秒、RTX 4090で約139 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

Ornith 1.5 122B(125.09B) / Qwen3.5 122B-A10B(125.09B) / Nemotron-3 Super 120B-A12B(123.61B)

▶ 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)