01できること
長所
- MoE 30B／アクティブパラメータ3B：モデル規模の割に推論が軽量
- 128kのネイティブコンテキスト
- 独自のファインチューニングに最適なベースモデル
- 商業利用が許可されています（NVIDIA Open Model License）
知っておくべき限界
- —ベースモデルはアライメントされていません — チャット用途にはfine-tuningまたはinstructが必要です。
- —Ollama公式タグなし — HuggingFace経由でインストール
- —Q4で最低約17 GBのVRAM
アーキテクチャ
MoE：総パラメータ数30B／アクティブパラメータ数3B · BF16の重み · TwoTower Nemotron Labsアーキテクチャ
トレーニング
Nemotron Labsファミリーのベースモデル（指示応答向けの調整なし）。ネイティブのコンテキスト長は128kトークン。
おすすめの用途
Fine-tuning推論コード
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。
$# HuggingFace : nvidia/Nemotron-Labs-TwoTower-30B-A3B-Base-BF16
LM Studio
グラフィカルインターフェース、CLI不要
→ ガイドを見る
llama.cpp
純粋な性能、ソースからのビルド
→ ガイドを見る
vLLM
OpenAI互換の本番サーバー
→ ガイドを見る
Jan / GPT4All
オールインワンデスクトップアプリ
→ ガイドを見る
⚠
初回ダウンロード：選択した量子化により 2 GB から 40 GB。ディスク容量を確保し、安定した接続を推奨します。その後の起動は即時です。
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。
Q4_K_M
最も軽量、損失約 5%
17 GB
Q5_K_M
品質とサイズのバランスが良好
21 GB
Q8_0
FP16とほぼ区別がつかない
32 GB
FP16
フル精度 — サーバー用途
60 GB
CPU フォールバック ・GPUがない場合は、 39 RAM（GB） このモデルを低速で実行するための最低要件。
Nemotron TwoTower 30B-A3B Baseに必要なハードウェアは？
Nemotron TwoTower 30B-A3B BaseをQ4量子化でローカル実行するには、VRAM 17 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。
現在のオファー： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon価格を見る →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： Nemotron TwoTower 30B-A3B Base 〜でも動作します RTX搭載ノートPC (24 GBのVRAM) →
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。
QuelLLM キット用途別のリファレンスガイド
すべてのキットを永久に利用 — 49 €