Qwen3 8B をローカルに導入するには？
Qwen3 8B は 8.2B パラメータの Dense モデルです。Q4 量子化では最低 7GB、8K コンテキストなら 12GB のVRAMを推奨します。現在最も安く動かせるのは Tesla V100 16GB（で約 ¥20,097）で、推定 109.9 tokens/s です。
Qwen3 8B のバージョン情報
Qwen3 8B 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 | 2.4GGUF | 4 | 7.4 | — |
| 2-bit | 3.5GGUF | 5.2 | 8.5 | — |
| 3-bit | 4.3GGUF | 6 | 9.4 | — |
| 4-bit | 5GGUF | 6.7 | 10.1 | — |
| 5-bit | 5.9GGUF | 7.7 | 11 | — |
| 8-bit | 8.7GGUF | 10.6 | 14 | — |
| FP16 | 16.4GGUF | 18.1 | 21.5 | — |
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 8B 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 |
|---|---|---|---|---|
 Tesla V100 16GB | 16 | ¥20,09713 件の出品 | 109.9 | 32K |
| GeForce RTX 2080 Ti 22GB | 22 | ¥59,3783 件の出品 | 77.3 | 32K |
 Instinct MI50 32GB | 32 | ¥62,2324 件の出品 | 90.8 | 32K |
| Radeon RX 6950 XT | 16 | ¥68,49013 件の出品 | 52.7 | 32K |
| Radeon RX 7800 XT | 16 | ¥70,79611 件の出品 | 56.9 | 32K |
| Tesla V100 32GB | 32 | ¥73,08011 件の出品 | 109.9 | 32K |
| Radeon RX 7900 XT | 20 | ¥98,17816 件の出品 | 72.1 | 32K |
| GeForce RTX 5060 Ti 16GB | 16 | ¥107,0624 件の出品 | 57.2 | 32K |
 Arc Pro B60 | 24 | ¥120,46810 件の出品 | 38 | 32K |
| Radeon RX 7900 XTX | 24 | ¥132,45817 件の出品 | 85.5 | 32K |
| Radeon RX 9070 XT | 16 | ¥139,30912 件の出品 | 58.3 | 32K |
| GeForce RTX 5070 | 12 | ¥141,02210 件の出品 | 83.9 | 32K |
| GeForce RTX 4080 | 16 | ¥176,9919 件の出品 | 89.1 | 32K |
| GeForce RTX 3090 | 24 | ¥184,98415 件の出品 | 113.9 | 32K |
| Arc Pro B70 | 32 | ¥224,9496 件の出品 | 50.2 | 32K |
| GeForce RTX 5070 Ti | 16 | ¥226,0683 件の出品 | 109.4 | 32K |
| Radeon AI PRO R9700 | 32 | ¥252,3548 件の出品 | 58.3 | 32K |
| CMP 170HX 40GB | 40 | ¥258,0644 件の出品 | 178.9 | 32K |
| Radeon PRO W7800 | 32 | ¥283,1853 件の出品 | 52.7 | 32K |
| GeForce RTX 5080 | 16 | ¥284,32712 件の出品 | 116.5 | 32K |
| CMP 170HX 64GB | 64 | ¥320,8678 件の出品 | 172.3 | 32K |
| RTX PRO 4000 Blackwell | 24 | ¥357,40718 件の出品 | 83.9 | 32K |
| Instinct MI210 | 64 | ¥422,49412 件の出品 | 139.2 | 32K |
| Radeon PRO W7900 | 48 | ¥502,4255 件の出品 | 77.5 | 32K |
| GeForce RTX 4090 | 24 | ¥536,68116 件の出品 | 121.8 | 32K |
| GeForce RTX 5090 D V2 | 24 | ¥545,81614 件の出品 | 157.2 | 32K |
| RTX PRO 4500 Blackwell | 32 | ¥590,35016 件の出品 | 109.4 | 32K |
| GeForce RTX 4090 48GB | 48 | ¥607,4783 件の出品 | 121.8 | 32K |
| A100 40GB PCIe | 40 | ¥706,8214 件の出品 | 178.4 | 32K |
| Mac Studio M4 Max 128GB | 128 | ¥735,36813 件の出品 | 54.9 | 32K |
| DGX Spark 128GB | 128 | ¥742,21931 件の出品 | 35.5 | 32K |
| GeForce RTX 5090 D | 32 | ¥751,35413 件の出品 | 201.2 | 32K |
| MacBook Pro M4 Max 128GB | 128 | ¥808,4484 件の出品 | 54.9 | 32K |
| Mac Studio M5 Max 128GB | 128 | ¥903,2236 件の出品 | 61.4 | 32K |
| GeForce RTX 5090 | 32 | ¥1,000,28313 件の出品 | 201.2 | 32K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥1,068,79515 件の出品 | 157.2 | 32K |
| MacBook Pro M5 Max 128GB | 128 | ¥1,251,4957 件の出品 | 61.4 | 32K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥1,484,43817 件の出品 | 157.2 | 32K |
| RTX PRO 6000D | 84 | ¥1,552,95117 件の出品 | 179.7 | 32K |
| RTX PRO 6000 Blackwell | 96 | ¥2,829,5676 件の出品 | 201.2 | 32K |
| Mac Studio M3 Ultra 512GB | 512 | ¥2,966,5926 件の出品 | 80.6 | 32K |
| Arc Pro B65 | 32 | —出品なし | 50.2 | 32K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 91.3 | 32K |
| Instinct MI100 | 32 | —出品なし | 107.4 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | —出品なし | 24 | 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 8B 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 qwen3:8b
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/Qwen3-8B-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/Qwen3-8B
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 8B 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 8B に約 7GB のVRAMが必要で、12GB あれば余裕があります。
Qwen3 8B を動かせる最も安いGPUは？
Tesla V100 16GB です。VRAM 16GB、現在の中央値は約 ¥20,097、推定 109.9 tokens/s。
Qwen3 8B は Ollama で動かせますか？
はい。ollama run qwen3:8b で動きます。