Arrakis / Modelos / GLM-5.3-Flash

Requisitos de GPU de GLM-5.3-Flash

GLM-5.3-Flash tiene 321B parámetros. Para servirlo, calcula unos 771 GB de memoria de GPU en 16 bits, 386 GB en 8 bits o 193 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.

Es un modelo de mezcla de expertos: 288 expertos, 8 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 321B 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	771 GB: 4 × B300, desde 18,40 US$ por hora las 4
8 bits	386 GB: 2 × B300, desde 9,20 US$ por hora las 2
4 bits	193 GB: una B300, desde 4,60 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	225 GB: una B300, desde 4,60 US$ por GPU-hora
LoRA	771 GB: 4 × B300, desde 18,40 US$ por hora las 4
Ajuste fino completo	5.141 GB: más de una máquina de 8 GPU

Sobre el modelo

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

Parámetros: 321B
Expertos: 288
Expertos por token: 8
Ventana de contexto (tokens): 1,048,576
Publicado en: FP8
Licencia: mit
Fecha de publicación: 2026-08-25
Pesos: zai-org/GLM-5.3-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-5.3-Flash --tensor-parallel-size 4

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-5.3-Flash?

Para servirlo, unos 771 GB en 16 bits, 386 GB en 8 bits y 193 GB en 4 bits, incluido un 20% para la caché KV y las activaciones. Para ajustarlo, unos 225 GB con QLoRA, 771 GB con LoRA y 5.141 GB para un ajuste fino completo con Adam, sin contar las activaciones.

¿Puedo ejecutar GLM-5.3-Flash en una sola GPU?

Sí, cuantizado. En 4 bits necesita unos 193 GB, que caben en una B300. En 16 bits necesita 4 GPU B300.

¿Cuánto cuesta ejecutar GLM-5.3-Flash?

En 16 bits necesita 4 GPU B300; en 4 bits, una B300. 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-5.3-Flash en Arrakis?

Abre Models en la consola de Arrakis, pega zai-org/GLM-5.3-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.