Qwen3 32B をローカルに導入するには？
Qwen3 32B は 32.8B パラメータの Dense モデルです。Q4 量子化では最低 22GB、8K コンテキストなら 28GB のVRAMを推奨します。現在最も安く動かせるのは Tesla V100 32GB（で約 ¥175,227）で、推定 31.2 tokens/s です。
Qwen3 32B のバージョン情報
Qwen3 32B のローカル実行に必要なVRAMは？
| 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 | 8.3GGUF | 10.7 | 16.7 | — |
| 2-bit | 12.8GGUF | 15.2 | 21.2 | — |
| 3-bit | 16.4GGUF | 18.7 | 24.7 | — |
| 4-bit | 19.8GGUF | 21.3 | 27.3 | — |
| 5-bit | 23.2GGUF | 25.1 | 31.1 | — |
| 8-bit | 34.8GGUF | 37 | 43 | — |
| FP16 | 65.5GGUF | 67.1 | 73.1 | — |
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 40K 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。
Qwen3 32B を動かせるGPUは？
AmazonJP
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。
Ollama / llama.cpp / vLLM で Qwen3 32B をローカルに導入する
Ollama は 1 コマンドで取得して起動します。量子化は公式タグに従います。
ollama run qwen3:32b
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 Qwen/Qwen3-32B-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve Qwen/Qwen3-32B
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
Qwen3 32B 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 Qwen3 32B に約 22GB のVRAMが必要で、28GB あれば余裕があります。
Qwen3 32B を動かせる最も安いGPUは？
Tesla V100 32GB です。VRAM 32GB、現在の中央値は約 ¥175,227、推定 31.2 tokens/s。
Qwen3 32B は Ollama で動かせますか？
はい。ollama run qwen3:32b で動きます。