VulnLLM-R 7B の必要VRAM

脆弱性検出に特化した推論モデル(Qwen2.5-7Bベース)。パターン照合でなくデータフロー・制御フローを段階的に推論してコードの脆弱性を探す設計。7Bクラスなので手元のGPUで動かせる。

7.62B / 28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。

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8.1GB、128Kで約13.7GB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。

VulnLLM-R 7Bとは

VulnLLM-R 7Bは、Virtue-AI-HUBが公開するQwen系の入門〜標準クラス(7.62Bパラメータ)オープンモデルです。8GB級GPUで扱える定番サイズで、日常的な対話・文章作成の実用ラインです。

Hugging Faceでの直近30日ダウンロードは約4,425件・いいね241件 — ダウンロード数は当サイト収録92モデル中87位です(2026-09-10時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

VulnLLM-R 7B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4.7GB、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6.7GB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6.7GB)が基準です。VRAMに余裕があればQ8_0(約10.1GB)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。

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1.9GB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4.7GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約77 tokens/秒、RTX 4090(1008GB/s)で約215 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

DeepHat V1 7B (WhiteRabbitNeo)(7.62B) / Qwen2.5-Coder 7B(7.62B) / Ling-3.0-tiny(7.89B)

▶ 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)