RTX 4070でQwen3-8Bは動く？
動きます。余裕もあります Qwen3-8B の Q4_K_M は 8,192 トークンのコンテキストで 5.93 GiB–6.48 GiB 必要です。RTX 4070 で使えるのは約 11 GiB です。
ファイル：Qwen3-8B-Q4_K_M.gguf（5.0 GB）。
これはモデルの config とファイルサイズからの推定で、実測ではありません。 計算方法
残りの余裕
- コンテキストは約 30,720 トークンまで伸ばしても無理なく収まります。
- より大きいファイルも収まります：GGUF Q6_K (Qwen) は約 8.1 GiB（収まる）。
このグラボでのほかのファイル
| 量子化 | ファイルサイズ | エンジン | 合計 | 適合 |
|---|---|---|---|---|
| BF16 safetensors | 16.4 GB | vllm | 17.0 GiB–18.9 GiB | 収まらない |
| GGUF Q8_0 | 8.7 GB | llama.cpp | 9.4 GiB–10.0 GiB | ぎりぎり |
| GGUF Q6_K (Qwen) | 6.7 GB | llama.cpp | 7.5 GiB–8.1 GiB | 収まる |
| GGUF Q5_K_M (Qwen) | 5.9 GB | llama.cpp | 6.7 GiB–7.3 GiB | 余裕あり |
| GGUF Q4_K_M この設定 | 5.0 GB | llama.cpp | 5.9 GiB–6.5 GiB | 余裕あり |
同じコンテキスト（8,192 トークン）、同時に 1 会話、各ファイルは通常のエンジンで計算しています。
固定の設定
- モデルQwen3-8B
- ハードウェアGeForce RTX 4070 12GB (desktop, GDDR6X)
- 量子化GGUF Q4_K_M
- コンテキスト長（キャッシュするトークン数）8,192
- 実行エンジン
llama.cpp - 同時シーケンス数1
- KV Cache の精度fp16
技術識別子と共有データ
- モデル
qwen3-8b - ハードウェア
nvidia-geforce-rtx-4070-12gb-desktop - 量子化
gguf-q4_k_m - この構成の共有コード
v2.eyJzY2hlbWFWZXJzaW9uIjoyLCJjYWxjdWxhdG9yVmVyc2lvbiI6IjAuMy4wIiwiZGF0YXNldFZlcnNpb24iOiIyMDI2LTEwLTAyLjEiLCJjb25maWciOnsibW9kZWxJZCI6InF3ZW4zLThiIiwiaGFyZHdhcmVJZCI6Im52aWRpYS1nZWZvcmNlLXJ0eC00MDcwLTEyZ2ItZGVza3RvcCIsImRldmljZUNvdW50IjoxLCJxdWFudGl6YXRpb25JZCI6ImdndWYtcTRfa19tIiwiY29udGV4dFRva2VucyI6ODE5MiwiY29uY3VycmVudFNlcXVlbmNlcyI6MSwiZW5naW5lIjoibGxhbWEuY3BwIiwia3ZUeXBlIjoiZnAxNiJ9fQ
この数値の計算方法
合計 = 重みファイル + KV キャッシュ + ランタイムのバッファ。範囲は表示中のエンジンのオーバーヘッドの低めから高めまでです。
- 重み（ファイル）
- 4.68 GiB (5,027,783,488 bytes)
- KV キャッシュ
- 1.13 GiB (1,207,959,552 bytes)
- ランタイムのバッファ
- 0.13 GiB–0.67 GiB
- 合計
- 5.93 GiB–6.48 GiB
- 使えるメモリ
- 11.00 GiB
- OS / 画面の予約
- 1.00 GiB
- 残り
- 4.52 GiB–5.07 GiB
高めの見積もり 6.48 GiB／使える容量 11.00 GiB
メモリが足りても、指定のエンジン・量子化・OS で動くとは限りません。動いても速いとは限りません。
- コンテキスト長はネイティブの 40960 トークン以内です。
- 常駐する重みは総パラメータ数で見積もり、使われていない MoE エキスパートも含めます。
- 重みのバイト数は選んだファイルだけで数えます。リポジトリ内の全量子化を合計することはありません。
- ダウンロードサイズはピーク時の GPU メモリではありません。実行時のレイアウトや KVキャッシュが上乗せされます。
- 計上したファイル: Qwen3-8B-Q4_K_M.gguf。
- コンテキスト長は、シーケンスごとにキャッシュするトークン数（入力＋生成分）です。
- 同時シーケンスは1つのモデルを共有するため、重みはシーケンス数で増えません。
- KVキャッシュの精度は、変更しない限り重みの量子化とは無関係です。
関連ページ
出典
計算機
組み合わせページはルートのモデルと機材を固定します。変更するにはメイン計算機でカスタマイズし、共有がその身元を保持します。
公開カタログスナップショットを読み込み中…
モデルを選ぶと必要なメモリがわかります。
モデルを選ぶと必要なメモリがわかります。