North Micro Vision の必要VRAM

Cohere Labsの新シリーズNorthの2.5B画像対応モデル。28層中フル注意7層のスライディングウィンドウ主体構成で、長文でもKVキャッシュが軽い。Apache-2.0。

2.48B / 28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)。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約4.3GB、128Kで約7.1GBです(8Kの約2.0倍)。

North Micro Visionとは

North Micro Visionは、CohereLabsが公開するTransformer系の小型クラス(2.48B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。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10万件・いいね153件 — ダウンロード数は当サイト収録96モデル中70位です(2026-10-13時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

North Micro Vision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1.5GB、8Kトークン分のKVキャッシュが約0.6GB、システム予約と合わせて合計約3.6GB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3.6GB)が基準です。VRAMに余裕があればQ8_0(約4.7GB)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採用: 全28層のうちフルアテンションは7層のみで、残りの層は直近4096トークンの窓しか参照しません。長文時のKVキャッシュ増加が緩やかです。

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0.2GB、8Kで約0.6GB、32Kまで広げると約1.3GBになります。文脈を4倍にしてもKVキャッシュは2.2倍にしか増えません — 長文に強いメモリ設計です。

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1.5GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約239 tokens/秒、RTX 4090(1008GB/s)で約670 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

MiniCPM5 2B(2.52B) / LFM2.5 2.6B(2.7B) / NetrAI-L3(3.21B)

▶ 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)