モデルカタログと仕様

Waired は、ノートパソコンからマルチ GPU サーバーまでをカバーするモデルカタログをバンドルしています。初回起動時には、お使いのハードウェアに合うモデルを自動選択します。いつでも切り替え可能です。詳しくはバンドルモデルを切り替えるを参照してください。

自分に合う表の見つけ方

カタログは 2 つの軸で分割してあり、お使いのマシンに該当する行へすぐ辿り着けます:

ランタイム別 — Ollama か vLLM か。 OS と GPU によってどちらのエンジンがモデルを配信するかが決まるため、ランタイムごとに節を分けています。自分の節だけを読んでください:
- Ollama — macOS (Metal)、Windows、Linux、CPU、低 VRAM / 統合 GPU。GGUF（量子化）ビルドを配信し、見るべき数値は システム RAM です。
- vLLM — Linux 上の NVIDIA (CUDA) / AMD (ROCm) の単体 GPU サーバー。safetensors （awq/fp8/mxfp4）ビルドを配信し、見るべき数値は GPU VRAM です。
両エンジン向けにビルドを持つファミリーは、両方の節に掲載されます。
アーキテクチャ別 — Dense か MoE か。 各ランタイムの中では Dense を先に、続いて Mixture-of-Experts（MoE）を並べています:
- Dense — すべてのパラメータが毎トークン計算されます。計算力 / VRAM に余裕がある環境（単体 GPU）向きで、同じ品質ならディスク占有は小さめです。
- MoE — 総サイズは巨大ですが、トークンあたりにアクティブなのは数十億パラメータだけなのでデコードは高速です。大きなモデルをメモリに載せられるメモリリッチな Unified メモリ機（Apple Silicon、AMD Strix Halo）に最適です。

品質ティア は 1〜100 のランキング（高いほど高品質）で、Auto-Selector はお使いのマシンに収まり、かつ大きなコーディングコンテキスト（~20万トークン）を保持できる中で最も高いティアを配信します — コーディングエージェントは日常的に 10 万トークン超のコンテキストを使うため、それを切り詰めてしまうモデルより、フル窓を持てる少し小さなモデルが優先されます。その窓をどのモデルも配れないハードウェアでは、最良の適合を選んだうえで waired status にその旨を表示します。選ばれたモデルはクライアントから安定したハンドル waired/default で指定できます（チャットクライアントを参照）。

下の各表は、各モデルのバンドルマニフェスト（min_ram_gb / min_vram_mb / quality_tier / param_count / active_params）からビルド時に生成されるため、クライアントが同梱するカタログと常に一致します。

Ollama 向けモデル

Mac、Windows、CPU、低 VRAM / 統合 GPU 向け。メモリ列は GGUF（q4）ビルドに必要な最小 システム RAM で、メモリが小さいマシン向けのものから順に並びます。

Ollama · Dense

すべてのパラメータが毎トークン計算されます。RAM、次いで品質で選びます。

モデル	パラメータ	品質ティア	Ollama RAM
`qwen2.5-coder-0.5b-instruct`	494M	10	2 GB
`qwen3.5-0.8b`	800M	12	2 GB
`qwen2.5-coder-3b-instruct`	3.1B	31	4 GB
`qwen3.5-2b`	2B	27	4 GB
`qwen2.5-coder-7b-instruct`	7.6B	50	8 GB
`qwen3.5-4b`	4B	42	8 GB
`qwen3.5-9b`	9B	52	12 GB
`qwen2.5-coder-14b-instruct`	14.7B	58	16 GB
`qwen3.5-27b`	27B	69	24 GB
`qwen3.6-27b`	27B	72	24 GB

Ollama · MoE

ディスク上は大きくてもデコードは高速。大容量の Unified メモリ機（Apple Silicon、 Strix Halo）に最適です。

モデル	パラメータ（アクティブ）	品質ティア	Ollama RAM
`gpt-oss-20b`	20.9B (3.6B active)	62	16 GB
`qwen3-coder-30b-a3b-instruct`	30.5B (3.3B active)	68	32 GB
`qwen3.5-35b-a3b`	35B (3.3B active)	73	32 GB
`qwen3.6-35b-a3b`	35B (3.3B active)	90	32 GB
`qwen3-coder-next-80b-a3b-instruct`	80.1B (3.3B active)	86	56 GB
`gpt-oss-120b`	117B (5.1B active)	88	96 GB
`qwen3.5-122b-a10b`	122B (10B active)	83	128 GB
`qwen3-coder-480b-a35b-instruct`	480B (35B active)	95	320 GB

vLLM 向けモデル

Linux 上の NVIDIA (CUDA) / AMD (ROCm) の単体 GPU サーバー向け。メモリ列は量子化（awq/fp8/mxfp4）ビルドに必要な最小 GPU VRAM で、VRAM が小さい GPU 向けのものから順に並びます。同一 NVIDIA GPU を複数積んだホストでは vLLM がモデルを分割して載せる（テンソル並列）ため、合算 VRAM が要件にカウントされます。比較的新しい NVIDIA GPU（Ada / Hopper 以降 — 例: L4、RTX 40 系）では KV キャッシュを fp8 で配信し、ほぼ同等の品質のまま同じ VRAM で収まるコンテキスト窓が約 2 倍になります。それでもモデルのフルコンテキストウィンドウが GPU メモリに収まらない場合は、起動失敗ではなく縮小したウィンドウで配信され、waired status / waired doctor にその旨が表示されます。

vLLM · Dense

計算律速。VRAM に余裕のある単体 GPU を持っている場合の自然な選択です。

モデル	パラメータ	品質ティア	vLLM VRAM
`qwen2.5-coder-3b-instruct`	3.1B	31	4 GB
`qwen2.5-coder-7b-instruct`	7.6B	50	8 GB
`qwen2.5-coder-14b-instruct`	14.7B	58	16 GB
`qwen3.6-27b`	27B	72	24 GB

vLLM · MoE

総サイズは巨大でもアクティブな割合は小さく、マルチ GPU サーバーと好相性です。

モデル	パラメータ（アクティブ）	品質ティア	vLLM VRAM
`gpt-oss-20b`	20.9B (3.6B active)	62	20 GB
`qwen3-coder-30b-a3b-instruct`	30.5B (3.3B active)	68	24 GB
`qwen3-coder-next-80b-a3b-instruct`	80.1B (3.3B active)	86	55 GB
`gpt-oss-120b`	117B (5.1B active)	88	79 GB
`glm-4.5-air-106b-a12b`	106B (12B active)	75	118 GB
`deepseek-v4-flash`	284B (13B active)	93	192 GB
`glm-5.2`	744B (40B active)	97	547 GB
`qwen3-coder-480b-a35b-instruct`	480B (35B active)	95	547 GB

Waired によるモデル選択の仕組み

Auto-Selector は、お使いのマシンのメモリに収まる中で最も高品質なモデルを選びます。共有メモリシステム（Apple Silicon、AMD Strix Halo）では、デコード速度が総サイズではなくアクティブパラメータに連動するため、アクティブパラメータ数の少ない MoE モデルが優先されます。何も変更せずにルーティングの判断をプレビューするには:

waired infer --explain "say hi"

waired models ls --detail を実行すると お使いの ハードウェアに対する同じ適合状況と推奨スペックを、waired models ls でディスク使用量を、waired runtimes status でロード済みモデルが実際に使用している VRAM を確認できます。

統合 GPU（Strix Halo、Intel）を使用していてモデルが Ollama でロードできない場合は、トラブルシューティング → 統合 GPU を参照してください。