ローカルLLMのパラメータ数 7B / 13B / 70B / 405B とは何か 2026年版：モデルサイズが VRAM・速度・賢さをどう決めるか

結論：モデル名につく「7B」「70B」の B は Billion（10億）で、パラメータ（重み）の数を表します。この数字は3つを同時に決めます。必要メモリ（パラメータ数 × 量子化のバイト数）、生成速度（多いほど遅い）、賢さ（多いほど上がりやすい）の3つです。家で動かせるかは「パラメータ数 × 1パラメータあたりのバイト数」で概算でき、70BをQ4量子化するなら約40GB。だから「大きいほど良い」ではなく、用途に対して必要十分なサイズを、自分のメモリ容量から逆算するのが正解です。 7B/32Bで足りる用途も多くあります。

ローカルLLMを調べ始めると、最初に引っかかるのが「7B」「13B」「70B」「405B」という数字です。Llama 3.3 70B、Qwen 32B、DeepSeek……モデル名にほぼ必ず付くこの「B」が何を意味し、自分のPCで動くのかどうか、この数字からどう読めばいいのか。ここを押さえると、ローカルLLMのスペック議論がいっきに見通せるようになります。VRAM・量子化・速度といった他の概念も、すべてこのパラメータ数を起点に繋がっているからです。

「B」= Billion（10億）パラメータ

まず一番の基本から。B は Billion（10億） の頭文字で、モデルのパラメータ（重み）の数を表します。

• 7B = 70億パラメータ
• 13B / 14B = 130〜140億
• 32B = 320億
• 70B = 700億
• 405B = 4050億

パラメータとは、学習を通じて獲得された無数の数値のことです。ニューラルネットワークの「つまみ」のようなもので、この数が多いほど、モデルが蓄えられる知識やパターンの容量が大きくなります。ざっくり言えば、パラメータ数 = モデルの「頭の大きさ」の目安 です。

そして、この「頭の大きさ」が、そのままPCに要求するメモリ量に直結します。

必要メモリの概算式：パラメータ数 × バイト数

パラメータは1個ずつメモリ上に数値として置かれます。だから必要メモリは、次の式で概算できます。

必要メモリ(GB) ≒ パラメータ数(B) × 1パラメータあたりのバイト数

1パラメータあたりのバイト数は、量子化（重みを何ビットで持つか） で変わります。

精度	1パラメータあたり	7B	13B	70B	405B
FP16（無圧縮）	2バイト	約14GB	約26GB	約140GB	約810GB
Q8（8bit）	約1バイト	約7GB	約13GB	約70GB	約405GB
Q4（4bit）	約0.5バイト	約4GB	約7GB	約40GB	約200GB超

ここから一気に話が具体的になります。たとえば「70Bを家で動かしたい」なら、FP16の140GBは現実的でないので、Q4量子化で約40GBまで圧縮し、40GB級以上のメモリに載せるのが定石、と即座に分かります。逆に7BならQ4で約4GB、8GBのGPUでも余裕です。

この「量子化でバイト数が変わる仕組み」そのものは量子化フォーマットとは何かに、容量別に何が動くかの早見表はメモリ容量別 動かせるモデル早見表に切り出してあります。本記事の式と早見表はセットで使うと、機種選びがそのまま判断できます。

KVキャッシュの上乗せを忘れない

上の式はあくまで重み（モデル本体）の分です。実際にはこれに、会話の文脈を保持するKVキャッシュがコンテキスト長に応じて上乗せされます。長い文章を扱うほどこのキャッシュが膨らむので、「Q4で40GBだからVRAM 40GBちょうどでOK」ではなく、少し余裕を見ます。コンテキスト長とKVキャッシュの関係はコンテキスト長とKVキャッシュのVRAMで詳しく扱っています。

パラメータ数別：実際にどのハードで動くか

必要メモリが分かれば、各サイズが「どのクラスのハードで動くか」が見えます。Q4量子化を前提にした実用の目安です。

パラメータ数	Q4の重み目安	動くハードの目安	位置づけ
7B / 8B	約4〜5GB	8〜16GB GPU、各種ミニPC	入門・軽量チャット・補完
13〜14B	約7〜8GB	16GB級GPU	軽量と実用の中間
32B	約18〜20GB	24GB級GPU（RTX 5090等）	ローカルの実用バランス点
70B	約40GB	48GB級GPU、Unified Memory 64GB+	高品質・要大容量
235B / 405B級	100GB超	128GB+ または MoE構成	フロンティア級・特殊環境

実用上のスイートスポットは、多くの人にとって 32B前後（24GB級GPUにQ4で載る）です。賢さと速度と必要ハードのバランスがよく、ローカルで「使える」と感じやすいラインです。一方、入門や軽い補完用途なら7B/8Bで十分なことも多く、必ずしも大きいモデルが要るわけではありません。各サイズに対する具体的なPCの組み方はローカルLLMを動かすPCの最低スペックを参照してください。

「大きい＝速い・賢い」ではない：速度はむしろ下がる

ここが最大の誤解ポイントです。パラメータ数が増えると、賢さは上がりやすいが、生成速度はむしろ下がります。

理由はメモリ帯域です。LLMは1トークン生成するたびに、モデルの重みをメモリから読み出します。パラメータが増えれば読み出すデータ量が増えるので、同じ量子化なら大きいモデルほど1トークンあたりの時間がかかります。つまり生成速度は「メモリ帯域 ÷ モデルサイズ」でおおむね頭打ちになり、大きいモデルほど帯域で律速されて遅くなるわけです。この帯域と速度の関係はメモリ帯域幅が tok/sec を決める仕組みに詳しくまとめています。

同じ量子化なら、パラメータが増えるほど1トークンあたり読むデータが増えて遅くなる。これがローカルLLMで「賢さと速度がトレードオフ」になる正体です。

だから選び方は「載る最大サイズを選ぶ」ではなく、「用途に必要な賢さを満たす最小サイズ」を選ぶのが合理的です。要約や定型処理なら7B/8B、コーディングや込み入った推論なら32B以上、というように、サイズは用途から逆算します。

総パラメータとアクティブパラメータ：MoEの落とし穴

最近のモデルでもう一段ややこしいのが MoE（Mixture of Experts） です。DeepSeek や Llama 4 系に代表される MoE は、「総パラメータ数」と「アクティブパラメータ数」が別物です。

• 総パラメータ数：モデル全体の重みの数。これが必要メモリを決める（全部メモリに載せる必要がある）
• アクティブパラメータ数：1トークンの生成で実際に計算に使う一部の重み。これが速度と計算量を決める

たとえば総パラメータが数千億あっても、1トークンで実際に動くアクティブが数十億なら、速度は小さいモデル並みに速いのに、メモリだけは総パラメータ分（巨大）が要る、という挙動になります。「総パラメータが巨大なのに思ったより速い」「でもメモリは大量に要る」というMoE特有の感覚は、この2つを分けて考えると腑に落ちます。仕組みの詳細はMoE（Mixture of Experts）とは何かで噛み砕いています。

整理すると、MoEでは速さはアクティブパラメータ、必要メモリは総パラメータ、と分けて読みます。この分離を知らないと「軽いのか重いのか分からない」と混乱します。

まとめ：パラメータ数は3つの軸を同時に動かす

最後に1枚で。モデル名の「B」を見たら、次の順で読めば判断できます。

1. B = 10億パラメータ。7Bなら70億、70Bなら700億
2. 必要メモリ = パラメータ数 × 量子化のバイト数（Q4なら約0.5バイト/param）。70B Q4 ≒ 40GB
3. 速度はメモリ帯域 ÷ モデルサイズで決まり、大きいほど遅い
4. 賢さは概ねパラメータ数に比例するが、用途次第で7B/32Bで十分
5. **MoEは「速さ＝アクティブ、メモリ＝総パラメータ」**で分けて読む

つまりパラメータ数は、必要メモリ・速度・賢さの3つを同時に動かすダイヤルです。「大きいほど良い」ではなく、自分の用途に必要な賢さを満たす最小サイズを選び、それが自分のメモリ容量に載るかを式で確認する。この逆算ができれば、ローカルLLMのスペック選びはほぼ攻略できます。

---

あなたに合うPCを診断する

用途や予算をもう少し細かく入力すると、3つの候補構成を提案します。

→ 診断スタート

関連記事

• メモリ容量別 動かせるローカルLLMモデル早見表 2026年版
• VRAMとは何か。ローカルLLM推論で必要な量の決まり方 2026年版
• ローカルLLM 量子化フォーマットとは何か 2026年版
• MoE（Mixture of Experts）とは何か 2026年版