llama.cppでGemma系モデルを動作させていると、回答生成後に「reasoning-budget: re-activated on new start tag」「reasoning-budget: deactivated (natural end)」といったログが高速で繰り返し表示されることがあります。
この現象は必ずしもモデルやGPUの故障を意味するものではなく、推論タグの処理、チャットテンプレート、モデル側の思考モード制御などが関係して発生する場合があります。この記事では、llama.cppでGemmaを使用した際にreasoning-budgetログが発生する原因と確認すべき設定について解説します。
llama.cppのreasoning-budgetログとは何か
「reasoning-budget」は、モデルが内部推論（thinking）や推論トークン制御を扱う際に表示されるllama.cpp側のログです。特にGemmaのような新しいモデルでは、通常の文章生成とは別に推論状態を管理する仕組みが導入されています。
ログに表示される「re-activated on new start tag」は、新しい推論開始タグを検出したため、推論処理用の状態を再度有効化したことを意味します。「deactivated (natural end)」は推論終了を検出して無効化した状態です。
そのため、このログ自体はエラーではありません。問題になるのは、回答生成後にも大量に繰り返され、処理速度低下や出力異常につながる場合です。
reasoning-budgetログが大量発生する主な原因
この現象で多い原因は、モデルが想定しているチャットテンプレートとllama.cpp側の設定が一致していないことです。
Gemma系モデルでは、特殊トークンや推論タグを利用して回答生成の状態を管理しています。しかし、適切なテンプレートが適用されていない場合、モデルが推論開始と終了のタグを正しく処理できず、何度も状態切り替えが発生することがあります。
例えば、Gemma用ではないテンプレートを指定して起動した場合、モデルが出力したタグをllama.cppが何度も検出し、reasoning-budgetの切り替えログが連続して表示されることがあります。
チャットテンプレート設定を確認する
まず確認したいのは、llama.cpp起動時に適切なchat templateが使用されているかです。
llama.cppではモデルに含まれているテンプレート情報を利用できますが、起動オプションや使用しているフロントエンドによっては別のテンプレートが設定されている場合があります。
確認するポイントは以下の通りです。
- 使用しているGGUFモデルがGemma向けのテンプレート情報を持っているか
- –chat-templateで別のテンプレートを強制指定していないか
- 利用しているUI側のプロンプト形式がモデルと一致しているか
特にOpenAI互換APIとしてllama.cppを利用している場合、クライアント側が独自のsystemメッセージや特殊タグを追加していないか確認すると原因を特定しやすくなります。
推論モードやthinking設定が影響している場合
Gemma系モデルでは、モデルによって推論能力や思考出力の扱いが異なります。推論機能を持つモデルで、thinkingを有効にした設定を使用している場合、reasoning-budget関連ログが表示されることがあります。
もし通常のチャット用途で利用している場合は、推論関連の設定を確認し、不要なthinking機能を無効化できるか確認すると改善する可能性があります。
例えば、回答生成だけを目的としている場合、推論タグをそのまま出力させる設定より、通常のチャットテンプレートを使用した方が安定する場合があります。
モデルとllama.cppのバージョン差による問題
llama.cppは頻繁に更新されており、新しいモデル形式や推論機能への対応も追加されています。そのため、古いllama.cppで新しいGemmaモデルを動かすと、テンプレート処理や特殊トークン処理で問題が発生する場合があります。
例えば、古いバージョンのllama.cppではGemmaの新しい推論タグに十分対応しておらず、推論状態の切り替えが正常に処理されないケースがあります。
この場合はllama.cppを最新版へ更新し、同じモデルで再確認すると改善することがあります。
ログ表示だけを抑制したい場合
reasoning-budgetログが表示されるものの、回答生成自体に問題がない場合は、ログレベルを変更する方法もあります。
llama.cppでは詳細ログを表示する設定が有効になっている場合、多くの内部処理情報が表示されます。動作確認後はログレベルを下げることで、通常利用時に不要な表示を減らせます。
ただし、ログを非表示にするだけでは根本原因の確認ができなくなるため、まずはチャットテンプレートやモデル設定を確認することがおすすめです。
まとめ｜Gemmaのreasoning-budgetログは設定確認で改善できる
llama.cppでGemmaを動作させた際にreasoning-budgetログが大量に流れる場合、多くはモデル自体の故障ではなく、チャットテンプレートや推論設定の不一致が原因です。
まずはGemmaに適したテンプレートが使用されているか、thinking関連設定が有効になっていないか、llama.cppのバージョンが古くないかを確認すると原因を切り分けやすくなります。
llama.cppとLLMモデルは組み合わせによって動作が変化するため、モデル形式、テンプレート、推論設定を合わせて調整することが安定した生成環境を作るポイントです。
コメント