Arrakis / Modelos / GLM-4.7-Flash

Requisitos de GPU de GLM-4.7-Flash

GLM-4.7-Flash tiene 31B parámetros. Para servirlo, calcula unos 75 GB de memoria de GPU en 16 bits, 37 GB en 8 bits o 19 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 64 expertos, 4 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 31B parámetros.

Desplegar este modelo Comprobar otro modelo

Lo que hace falta para servirlo

La memoria de GPU para ejecutarlo en inferencia, con la configuración de GPU más pequeña que lo sostiene y el precio más bajo en Arrakis ahora mismo.

Precisión	Memoria y configuración mínima
16 bits	75 GB: una H100 o A100, la H100 desde 1,65 US$ por GPU-hora
8 bits	37 GB: una L40S, RTX 6000 Ada o RTX A6000, la L40S desde 0,44 US$ por GPU-hora
4 bits	19 GB: una RTX 4090 o RTX 3090, la RTX 3090 desde 0,19 US$ por GPU-hora

Lo que hace falta para ajustarlo

QLoRA entrena adaptadores sobre un modelo congelado de 4 bits; LoRA, sobre uno de 16 bits, y el ajuste fino completo actualiza todos los pesos. Las cifras no incluyen las activaciones, que crecen con el tamaño del lote y la longitud de secuencia.

Método	Memoria y configuración mínima
QLoRA	22 GB: una RTX 4090 o RTX 3090, la RTX 3090 desde 0,19 US$ por GPU-hora
LoRA	75 GB: una H100 o A100, la H100 desde 1,65 US$ por GPU-hora
Ajuste fino completo	500 GB: 2 × B300, desde 9,20 US$ por hora las 2

Sobre el modelo

De su ficha y sus archivos en Hugging Face. Las cifras de memoria siguen la guía de memoria de GPU.

Parámetros: 31B
Expertos: 64
Expertos por token: 4
Ventana de contexto (tokens): 202,752
Publicado en: BF16
Licencia: mit
Fecha de publicación: 2026-01-19
Pesos: zai-org/GLM-4.7-Flash

Despliégalo en Arrakis

Abre Models en la consola, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina. O ejecútalo tú mismo en cualquier máquina con suficiente memoria de GPU:

vLLM

vllm serve zai-org/GLM-4.7-Flash --tensor-parallel-size 1

Desplegar este modelo Cómo funciona el despliegue

Preguntas

Los precios en tiempo real de todas las GPU están en la página de precios de GPU.

¿Cuánta memoria de GPU necesita GLM-4.7-Flash?

Para servirlo, unos 75 GB en 16 bits, 37 GB en 8 bits y 19 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 22 GB con QLoRA, 75 GB con LoRA y 500 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar GLM-4.7-Flash en una sola GPU?

Sí. En 16 bits necesita unos 75 GB, que caben en una H100 o A100.

¿Cuánto cuesta ejecutar GLM-4.7-Flash?

En 16 bits necesita una H100 o A100; en 4 bits, una RTX 4090 o RTX 3090. Cada configuración de esta página muestra el precio más bajo por GPU-hora en Arrakis ahora mismo, y pagas por hora desde un saldo prepago.

¿Cómo despliego GLM-4.7-Flash en Arrakis?

Abre Models en la consola de Arrakis, pega zai-org/GLM-4.7-Flash, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina.

Más modelos

Todos los modelos, y una comprobación para cualquier otro.