Ornith 1.0 35B の必要VRAM

Shisa.AI(東京)がQwen3.6-35B-A3Bを日英バイリンガルに仕上げた現行フラッグシップ。実働3BのMoEで速度を保ちつつ日本語品質を狙う。配布はFP8形式のみ。

35.95B / 40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23.5GB→約20.8GBになり、24GB級で「△ ぎりぎり」→「◎ 快適」に一段上がります。

⚠ 公式配布は FP8(compressed-tensors・ブロック量子化)のみです。下の表の Q4_K_M 等は当サイト共通ラダーによる理論換算で、その形式のGGUFが配布されているとは限りません。

Ornith 1.0 35Bとは

Ornith 1.0 35Bは、shisa-aiが公開するQwen系のハイエンドクラス(35.95B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。日本語データで開発・強化された国産モデルで、日本語の自然さに重点があります。

Ornith 1.0 35B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21.8GB、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23.5GB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23.5GB)が基準です。VRAMに余裕があればQ8_0(約39.9GB)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35.95B・実効3B。メモリは総量35.95B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40層のうちフルアテンションは10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0.2GB、32Kまで広げると約0.7GB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1.8GB)で決まり、理論上限はRTX 3060 12GBで約198 tokens/秒、RTX 4090で約554 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

Qwen3.5 35B-A3B(35.95B) / Qwen AgentWorld 35B-A3B(34.66B) / Qwen2.5 32B(32.8B)

▶ 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)