Hy3 をローカルに導入するには？
Hy3 は総パラメータ 295B、1 トークンあたり 21B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 168GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 10GB + RAM 160GB で動きます。現在最も安く動かせるのは Mac Studio M3 Ultra 512GB（で約 ¥2,966,592）で、推定 30 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 7 tokens/s です。
Hy3 のバージョン情報
Hy3 のローカル実行に必要なVRAMは？
MoE：総パラメータ 295B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 21B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 71.1GGUF | 72.7 | 80.2 | 110.2 |
| 2-bit | 107.2GGUF | 113.1 | 120.6 | 150.6 |
| 3-bit | 143.1GGUF | 144.9 | 152.4 | 182.4 |
| 4-bit | 182.2GGUF | 167.9 | 175.4 | 205.4 |
| 5-bit | 212.8GGUF | 202.5 | 210 | 240 |
| 8-bit | 317.7GGUF | 309.3 | 316.8 | 346.8 |
| FP16 | 577推定 | 580.5 | 588 | 618 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 256K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
Hy3 を動かせるGPUは？
Xianyu
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 30 | 128K |
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
Hy3 のCPU・GPU併用推論におすすめのGPU
Xianyu
エキスパート重みはシステム RAM に置き（160 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 10 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
Ollama / llama.cpp / vLLM で Hy3 をローカルに導入する
Ollama ライブラリに公式タグはまだありません。
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf bartowski/Hy3-GGUF:Q4_K_M --jinja -c 8192
実行前にデプロイガイドで必要な実行環境とハードウェアを確認してください。
# Switch to trtllm backend to work-around mnnvl workspace size issue. export VLLM_FLASHINFER_ALLREDUCE_BACKEND=trtllm vllm serve tencent/Hy3 \ --tensor-parallel-size 8 \ --speculative-config.method mtp \ --speculative-config.num_speculative_tokens 2 \ --tool-call-parser hy_v3 \ --reasoning-parser hy_v3 \ --enable-auto-tool-choice \ --port 8000 \ --served-model-name hy3
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
Hy3 にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは Hy3 に約 168GB のVRAMが必要で、204GB あれば余裕があります。
Hy3 を動かせる最も安いGPUは？
Mac Studio M3 Ultra 512GB です。VRAM 512GB、現在の中央値は約 ¥2,966,592、推定 30 tokens/s。
Hy3 は Ollama で動かせますか？
まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。