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 GeForce RTX 2080 Ti 22GB（で約 ¥84,630）で、推定 21.5 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？
eBay
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 GeForce RTX 2080 Ti 22GB | 22 | ¥84,6303 件の出品 | 21.5 | 8K |
| Tesla V100 32GB | 32 | ¥110,58823 件の出品 | 31.2 | 32K |
 Instinct MI50 32GB | 32 | ¥117,9607 件の出品 | 25.5 | 32K |
| Radeon RX 7900 XTX | 24 | ¥153,44025 件の出品 | 23.9 | 8K |
| Instinct MI100 | 32 | ¥153,4407 件の出品 | 30.5 | 32K |
| GeForce RTX 3090 | 24 | ¥238,07180 件の出品 | 32.4 | 8K |
| RTX PRO 4000 Blackwell | 24 | ¥453,1023 件の出品 | 23.5 | 8K |
| GeForce RTX 4090 | 24 | ¥491,34740 件の出品 | 34.9 | 8K |
| Radeon PRO W7900 | 48 | ¥536,8113 件の出品 | 21.6 | 32K |
| RTX PRO 4500 Blackwell | 32 | ¥660,4543 件の出品 | 31.1 | 32K |
| A100 40GB PCIe | 40 | ¥752,45713 件の出品 | 53 | 32K |
| Instinct MI210 | 64 | ¥775,03511 件の出品 | 40.3 | 32K |
| MacBook Pro M4 Max 128GB | 128 | ¥852,2933 件の出品 | 15.1 | 32K |
| GeForce RTX 5090 | 32 | ¥998,36112 件の出品 | 60.7 | 32K |
| Mac Studio M4 Max 128GB | 128 | ¥1,005,5804 件の出品 | 15.1 | 32K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,113,5575 件の出品 | 16.9 | 32K |
| RTX PRO 6000 Blackwell | 96 | ¥2,608,7944 件の出品 | 60.7 | 32K |
| Mac Studio M3 Ultra 512GB | 512 | ¥3,379,06811 件の出品 | 22.5 | 32K |
 Arc Pro B60 | 24 | —出品なし | 10.3 | 8K |
| GeForce RTX 5090 D V2 | 24 | —出品なし | 46.1 | 8K |
| Arc Pro B65 | 32 | —出品なし | 13.8 | 32K |
| Arc Pro B70 | 32 | —出品なし | 13.8 | 32K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 25.7 | 32K |
| GeForce RTX 5090 D | 32 | —出品なし | 60.7 | 32K |
| Radeon AI PRO R9700 | 32 | —出品なし | 16.1 | 32K |
| Radeon PRO W7800 | 32 | —出品なし | 14.5 | 32K |
| CMP 170HX 40GB | 40 | —出品なし | 53.1 | 32K |
| GeForce RTX 4090 48GB | 48 | —出品なし | 34.9 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | —出品なし | 46.1 | 32K |
| CMP 170HX 64GB | 64 | —出品なし | 51 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | —出品なし | 46.1 | 32K |
| RTX PRO 6000D | 84 | —出品なし | 53.4 | 32K |
| DGX Spark 128GB | 128 | —出品なし | 9.6 | 32K |
| Mac Studio M5 Max 128GB | 128 | —出品なし | 16.9 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 6.5 | 32K |
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？
GeForce RTX 2080 Ti 22GB です。VRAM 22GB、現在の中央値は約 ¥84,630、推定 21.5 tokens/s。
Qwen3 32B は Ollama で動かせますか？
はい。ollama run qwen3:32b で動きます。