Qwen3.5 397B-A17B の必要VRAM

Qwen現行の最大級オープンMoE(総403B・実働17B)。Apache-2.0。線形注意主体のハイブリッド(フル注意は60層中15層)で長文が軽い。実行はクラウドか多GPU構成。

403.4B / 60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)。

Qwen3.5 397B-A17Bとは

Qwen3.5 397B-A17Bは、Alibaba(Qwenチーム)が公開するQwen系のデータセンター級(403.4B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)。

Qwen3.5 397B-A17B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248.1GB、8Kトークン分のKVキャッシュが約0.3GB、システム予約と合わせて合計約249.8GB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249.8GB)が基準です。VRAMに余裕があればQ8_0(約430.4GB)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。

MoE構成: 総403.4B・実効17B。メモリは総量403.4B分が必要ですが、生成速度は17B級の軽さです。

ハイブリッドアテンション(線形)採用: 全60層のうちフルアテンションは15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0.1GB、8Kで約0.3GB、32Kまで広げると約1GB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17B相当(Q4で約10.5GB)で決まり、理論上限はRTX 3060 12GBで約34 tokens/秒、RTX 4090で約96 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

DeepSeek-V4-Flash(304.18B) / Solar Open 2 250B(250.29B) / DeepSeek-R1(684.53B)

▶ 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)