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3.9GB、128Kで約6.8GBです(8Kの約2.1倍)。 文脈を延ばすと必要VRAMが大きく増えるため、エージェント用途では判定より余裕を見てください。

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3万件・いいね130件 — ダウンロード数は当サイト収録83モデル中70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)。

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0.2GB、システム予約と合わせて合計約3.2GB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3.2GB)が基準です。VRAMに余裕があればQ8_0(約4.4GB)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28層のうちフルアテンションは7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0.1GB、8Kで約0.2GB、32Kまで広げると約0.9GB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

LFM2.5 2.6B(2.7B) / NetrAI-L3(3.21B) / Unlimited-OCR(3.34B)

▶ 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)