01できること
長所
- コンパクト：~2.3 GB VRAM（Q4）、小型GPUやラップトップでも動作可能。
- 多言語
- 32Kトークンのコンテキスト
- ローカルでの高速処理（~75トークン/秒、Q4）
知っておくべき限界
- —4Bの小型モデル：複雑な推論や高度なコード作成は制限あり
- —Qwenライセンス（厳密にはApache/MITではない）：条件を確認する
- —HuggingFace側のゲート付きモデル：承認された場合にアクセス可能
アーキテクチャ
密なTransformer 4B · Qwen 3.5シリーズ · コンテキストウィンドウ32Kトークン
トレーニング
Alibabaが開発したQwen 3.5シリーズのコンパクトな密モデル。学習の詳細は公開されていません。
おすすめの用途
多言語チャット軽量ラップトップ用アシスタントコンパクトRAG
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 : Qwen/Qwen3-5-4b
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%
2.3 GB
Q5_K_M
品質とサイズのバランスが良好
2.8 GB
Q8_0
FP16とほぼ区別がつかない
4.3 GB
FP16
フル精度 — サーバー用途
8 GB
CPU フォールバック ・GPUがない場合は、 5 RAM（GB） このモデルを低速で実行するための最低要件。
Qwen 3.5 4Bに必要なハードウェアは？
Qwen 3.5 4BをQ4量子化でローカル実行するには、VRAM 2.3 GB程度が必要です。比較候補：RTX 5060 Ti 16GB (ASUS Prime) — 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： RTX 5060 Ti 16GB (ASUS Prime)
Amazon価格を見る →アフィリエイトリンク — あなたに追加費用はかからず、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パートナーとして、ローカルLLMナビは、所定の条件を満たす購入から利益を得ています。
外出先では： Qwen 3.5 4B 〜でも動作します RTX搭載ノートPC (16 GBのVRAM) →
クラウドを使わず、このモデルを自分専用のChatGPTで利用
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。
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 €