Ternary-Bonsai 27B (三値) の必要VRAM

PrismML製、Qwen3.6-27BをQ2_0三値(実効2.1bit)化した品質重視版。1-bit版Bonsaiより精度を残しつつ重みは約7.2GBで、8GBクラスのGPUが射程。画像入力用の視覚タワー(別ファイル)付き。実行には対応ランタイムが必要(Q2_0のCUDA対応はllama.cpp 2026-07-30版から。Ollama・LM Studioは未対応)。

27.78B / 64層 / GQA 4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。

Ternary-Bonsai 27B (三値)とは

Ternary-Bonsai 27B (三値)は、PrismMLが公開するQwen系のハイエンドクラス(27.78Bパラメータ)オープンモデルです。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。

Ternary-Bonsai 27B (三値)の必要スペックを読み解く

Q2_0量子化での内訳は、重み(モデル本体)が約7.2GB、8Kトークン分のKVキャッシュが約0.5GB、システム予約と合わせて合計約9.2GBです。 ◎(快適)判定の最小ラインは、VRAM 12GBクラスのGPUです。 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64層のうちフルアテンションは16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。

配布はQ2_0(2.06bpw)固定: 一般的な量子化の選択肢はなく、この精度に対応したランタイムが必要です。

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0.5GB、32Kまで広げると約2.1GB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)

生成速度はメモリ帯域律速です。Q2_0の重み7.2GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約50 tokens/秒、RTX 4090(1008GB/s)で約141 tokens/秒 — 実効はオーバーヘッドの分これより下がります。

同クラスの選択肢

Qwen3.6 27B(27.78B) / Bonsai 27B (1-bit)(27.78B) / Gemma 4 26B-A4B(26.54B)

▶ 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)