01できること
- 長いコンテキストでのRAM使用量を70%削減
- Apache 2.0
- Enterprise-ready
- —新しいバージョンのllama.cppによる対応が必要
04インストール
インストール Ollama お使いのOS向け。ダウンロード前にモデルと量子化を確認してください。まずはコンテキストを4096トークンに設定し、その後、ollama ps でモデルの配置先を確認してください。以下にコマンドが記載されていることは、お使いのマシンでテストが実行された証拠にはなりません。
02必要なメモリ
このモデルを動作させるためのGPU VRAMの概算値（4kトークンのコンテキストオーバーヘッドを含む）。より長いコンテキストが必要な場合は、8kトークンごとに約1 GBを追加してください。
Granite 4.0 H-Small 32B-A9Bに必要なハードウェアは？
Granite 4.0 H-Small 32B-A9BをQ4量子化でローカル実行するには、VRAM 19 GB程度が必要です。比較候補：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — システムとコンテキスト用のメモリに余裕を持たせ、推論エンジンがGPUに対応していることを確認してください。
なぜこの選択か？ 完全な解説はこちら： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
アフィリエイトリンク — 追加費用なしで手数料を受け取る場合があります。独立したおすすめ情報です。Amazonアソシエイトとして、ローカルLLMナビは条件を満たす購入から利益を得ています。
外出先では： Granite 4.0 H-Small 32B-A9B 〜でも動作します RTX搭載ノートPC (24 GBのVRAM) →
お使いのマシンで、プライベートかつ無料のChatGPTを1時間で構築 — LM Studio、Ollama、Open WebUI、ご自身のドキュメント、クラウド不要。
- 永久に利用できるオンラインスペース
- PDF + ファイル
- 生涯アップデート
03予想速度
Q4_K_M、コンテキスト 4k での毎秒生成トークン数。 20 t/sを超えると快適に読めます。 10 t/s未満では、試用にとどまります。