Qwen3 32B
Qwen3 32BをQ4_K_M・8kコンテキストで動かすには、22.4GBのVRAMが必要です（2026年10月16日に確認したconfig.jsonから計算）。収まる最小のGPUのメモリは24GB（ぎりぎり）で、動くデスクトップ向けGPUのなかで最も速いRTX 5090では、生成速度は約66トークン/秒です。
- パラメータ
- 32.8B
- コンテキスト長
- 40,960トークン
- ライセンス
- Apache 2.0
- 公開
- 2025年4月
- config.jsonの確認日
- 2026年10月16日
どのメモリ容量のGPUで動くか
必要量22.4GBを、メモリ容量ごとに比べます。モデルが使えるのはGPUのメモリの95%までで、色が付いているのは残りの容量か、足りない容量だけです。「ぎりぎり」は85%を超える場合で、長い会話に使える余裕はほとんどありません。
ほかの量子化やコンテキスト長、Q8のKVキャッシュはLLM VRAM計算ツールで試せます。
計算・2026年10月16日どのGPUを選ぶか
このサイトで扱うGPUのうち、Q4_K_M・8kコンテキストで読み込める最小のものはRTX 3090（24GB）です。必要量は22.4GBで、生成速度は推定34トークン/秒です。ただしぎりぎりの収まり方で、会話に使える余裕はほとんど残りません。余裕を持って使いたい場合、つまり32,768トークンのコンテキストを確保しつつメモリ使用率を85%未満に抑えたい場合は、RTX A6000（48GB）に上げましょう。その場合の必要量は28.9GBで、生成速度は約28トークン/秒です。
ほぼ劣化のないQ8_0なら、収まる最小のGPUはRTX A6000（48GB）で、必要量は38.8GBです。Appleシリコンでは、Mac mini M4 Proなら32,768トークンのコンテキストを含めて保持でき、生成速度は推定10トークン/秒です。ただしプロンプト処理はNVIDIAより遅く、長い文書ではその差がはっきり出ます。ユニファイドメモリのデスクトップでは、Ryzen AI Max+ 395が32,768トークンのコンテキストを28.9GBで保持でき、生成速度は推定9トークン/秒です。
GPU別の生成速度
| GPU | 動く？ | 推定トークン/秒 | 体感 | メモリ | メモリ帯域幅 |
|---|---|---|---|---|---|
| H100 SXM | 動く | ≤ 123 | 読むより速い | 80GB | 3,350GB/s |
| A100 | 動く | 75 | 読むより速い | 80GB | 2,039GB/s |
| RTX 5090 | 動く | 66 | 読むより速い | 32GB | 1,792GB/s |
| RTX PRO 6000 Blackwell | 動く | 66 | 読むより速い | 96GB | 1,792GB/s |
| RTX PRO 5000 Blackwell | 動く | 49 | チャットなら快適 | 48GB | 1,344GB/s |
| RTX 4090 | ぎりぎり | 37 | チャットなら快適 | 24GB | 1,008GB/s |
| RX 7900 XTX | ぎりぎり | 35 | チャットなら快適 | 24GB | 960GB/s |
| RTX 6000 Ada | 動く | 35 | チャットなら快適 | 48GB | 960GB/s |
| RTX 3090 | ぎりぎり | 34 | チャットなら快適 | 24GB | 936GB/s |
| RTX PRO 4500 Blackwell | 動く | 33 | チャットなら快適 | 32GB | 896GB/s |
| L40S | 動く | 32 | チャットなら快適 | 48GB | 864GB/s |
| RTX A6000 | 動く | 28 | チャットなら快適 | 48GB | 768GB/s |
| RTX PRO 4000 Blackwell | ぎりぎり | 25 | 使えるがやや遅い | 24GB | 672GB/s |
| Radeon AI PRO R9700 | 動く | 24 | 使えるがやや遅い | 32GB | 640GB/s |
| Arc Pro B70 | 動く | 22 | 使えるがやや遅い | 32GB | 608GB/s |
| Arc Pro B60 | ぎりぎり | 17 | 使えるがやや遅い | 24GB | 456GB/s |
| RTX PRO 4000 Blackwell SFF | ぎりぎり | 16 | 使えるがやや遅い | 24GB | 432GB/s |
| RTX Spark | 動く | 11 | 遅い（バッチ処理なら十分） | 128GB（GPU用102GB） | 300GB/s |
| DGX Spark | 動く | 10 | 遅い（バッチ処理なら十分） | 128GB（GPU用126GB） | 273GB/s |
| Ryzen AI Max+ 395 | 動く | 9 | 遅い（バッチ処理なら十分） | 128GB（GPU用96GB） | 256GB/s |
| RX 7900 XT | 動かない | - | 収まらない | 20GB | 800GB/s |
| RTX 4060 Ti | 動かない | - | 収まらない | 16GB | 288GB/s |
| RTX 5060 Ti | 動かない | - | 収まらない | 16GB | 448GB/s |
| RTX 5080 | 動かない | - | 収まらない | 16GB | 960GB/s |
| RTX 5070 Ti | 動かない | - | 収まらない | 16GB | 896GB/s |
| RTX 4080 SUPER | 動かない | - | 収まらない | 16GB | 736GB/s |
| RX 9070 XT | 動かない | - | 収まらない | 16GB | 640GB/s |
| RX 9060 XT | 動かない | - | 収まらない | 16GB | 320GB/s |
| RTX 3060 | 動かない | - | 収まらない | 12GB | 360GB/s |
| RTX 4070 | 動かない | - | 収まらない | 12GB | 504GB/s |
| RTX 5070 | 動かない | - | 収まらない | 12GB | 672GB/s |
| Arc B580 | 動かない | - | 収まらない | 12GB | 456GB/s |
シングルストリームの生成速度を、メモリ帯域幅と効率70%から求めた値です。プロンプト処理とバッチ処理は含みません。どれも上限（理論値）で、実測ではありません。Qwen3 32BがQ4で1トークンごとに読む重みはわずか19GBです。これほど少ないと、計算式に含まれない1トークンごとのコストが実際の速度を大きく左右します。≤の付いた数値は、実際のランタイムの速度が表示値をもっとも大きく下回る箇所です。ほかの量子化やAppleのハードウェアについては生成速度（トークン/秒）推定ツールを、モデルではなくハードウェアを選んでいる場合は全GPUの比較をご覧ください。
計算・2026年10月16日量子化・コンテキスト長別の必要メモリ
| 量子化 | 4,096トークン | 8,192トークン | 32,768トークン |
|---|---|---|---|
| Q8_0 | 37.7GB（48GBに収まる） | 38.8GB（48GBに収まる） | 45.2GB（48GBに収まる） |
| Q5_K_M | 25.8GB（32GBに収まる） | 26.9GB（32GBに収まる） | 33.3GB（48GBに収まる） |
| Q4_K_M | 21.4GB（24GBに収まる） | 22.4GB（24GBに収まる） | 28.9GB（32GBに収まる） |
Qwen3.8 27Bは、このファミリーの新しいモデルです。同じ設定で約18GBが必要です。
重みはQ4で19GBです。コンテキストが1,000トークン増えるごとに、FP16のKVキャッシュが約0.262GB増えます。ほかの設定はLLM VRAM計算ツールで試せます。
モデルについて
Qwen3 32Bは32.8Bパラメータのモデルです。64レイヤーで、KVヘッドは8個（ヘッド次元128）です。Qwen3世代（2025年4月）の密（dense）モデルのフラッグシップで、1年間、24GBのGPUはこのモデルを動かすために買われていました。
テキストのみ コンテキスト長40,960トークン Apache 2.0 2025年4月公開
思考モード：切り替え式です。回答の前に段階的に考えるか、すぐに答えるかを、リクエストごとに設定できます。
ネイティブのコンテキスト長は40,960トークンです。ライセンスはApache 2.0で、寛容な（permissive）ライセンスです。重みの公開は2025年4月です。
得意なこと
- このモデルを中心に組まれた既存の環境やファインチューニング版
- 比較の基準。2025年の情報の多くはこのモデルを前提にしています。
注意点
- 24GBのGPUを重みでほぼ埋めてしまい、会話に使えるのは数千トークン分だけです。
- ネイティブのコンテキスト長は40,960トークンです。QwenはYaRNによるスケーリングで131kまで伸ばす方法を公開していますが、それは2025年の設計を引き伸ばしたもので、学習時の長さではありません。
- 後継のQwen3.8 27Bはより小さく、画像も読め、同じメモリで何倍ものコンテキストを保持できます。
似たモデル
Q4_K_M・8kコンテキストでQwen3 32Bとほぼ同じメモリを必要とするモデルです。手持ちのGPUで実際に比べる相手になるのは、これらのモデルです。「1kトークンあたり」の列はコンテキストが1,000トークン増えるごとのコストで、同じサイズのモデルの間でもっとも差が出るところです。
| モデル | サイズ | 必要量 | 1kトークンあたり | コンテキスト長 | 公開 |
|---|---|---|---|---|---|
| Qwen3 32B | 32.8B | 22.4GB | 0.262GB | 40k | 2025年4月 |
| DeepSeek-R1 Distill Qwen 32B | 32.8B | 22.4GB | 0.262GB | 128k | 2025年1月 |
| Qwen2.5 Coder 32B | 32.8B | 22.4GB | 0.262GB | 32k | 2024年11月 |
| Qwen3.6 35B-A3B (MoE) | 36B（アクティブ3B） | 22.4GB | 0.02GB | 256k | 2026年4月 |
| Gemma 4 31B | 31.3B | 20.9GB | 0.082GB | 256k | 2026年3月 |
全モデルの比較、8〜96GBに収まるモデル（英語）、クラウドGPUごとの最安の時間料金（英語）もご覧ください。
よくある質問
- Qwen3 32Bは24GBのGPUで動く？
- はい。Q4_K_M・8kコンテキストで約22.4GBが必要で、24GBのGPUにぎりぎり収まります。
- Qwen3 32BをQ8で動かすには、VRAMはどれくらい必要？
- 8kコンテキストで約38.8GB、32kコンテキストでは45.2GBです。Q8はほぼ劣化がないので、収まるならQ8を使うのがおすすめです。
- Qwen3 32Bのコンテキスト長は？
- ネイティブで40,960トークンです。現在の基準では短めで、これはGPUではなくモデル側の制限です。メモリに余裕があっても伸ばせません。QwenはYaRNによるスケーリングでさらに伸ばす方法を公開していますが、短いプロンプトでは品質が多少落ちます。
- Qwen3 32Bより新しいモデルはある？
- あります。Qwen3.8 27Bで、2026年8月に公開されました。同じQ4_K_M・8kコンテキストの設定で、このモデルの22.4GBに対して約18GBが必要です。
- Qwen3 32BはRTX 4090でどれくらいの速さ？
- Q4・シングルストリームでの上限は約37トークン/秒で、体感は「チャットなら快適」にあたります。これはGPUのメモリ帯域幅から求めた上限で、実測ではありません。
- アーキテクチャの値は、Hugging FaceのQwen/Qwen3-32Bにあるconfig.jsonから読み取り、2026年10月16日に確認しています。このページの数値はすべてこれらの値から計算しています。このモデルのためにハードウェアを買う前に、元の値を確認してください。
- 推定値は、ほかに何も動いていないGPUで会話を1つだけ扱う前提です。同じGPUでデスクトップ環境も動かすと、0.5〜2GBが使われます。