arrakis
FR
Se connecter Commencer à louer
Menu

Arrakis / Modèles / GLM-4.5-Air

Besoins GPU de GLM-4.5-Air

GLM-4.5-Air compte 110B paramètres. Pour le servir, prévoyez environ 265 Go de mémoire GPU en 16 bits, 133 Go en 8 bits ou 66 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 128 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 110B paramètres.

Déployer ce modèle Vérifier un autre modèle

Ce qu’il faut pour le servir

La mémoire GPU pour le faire tourner en inférence, avec la plus petite configuration GPU qui le contient et le prix le plus bas sur Arrakis en ce moment.

PrécisionMémoire et plus petite configuration
16 bits265 Go : 2 × H200, à partir de 8,06 $ de l’heure pour les 2
8 bits133 Go : un H200, à partir de 4,03 $ par heure de GPU
4 bits66 Go : un H100 ou A100, la H100 à partir de 2,25 $ par heure de GPU

Ce qu’il faut pour l’affiner

QLoRA entraîne des adaptateurs sur un modèle figé en 4 bits, LoRA sur un modèle en 16 bits, et le fine-tuning complet met à jour tous les poids. Les chiffres s’entendent hors activations, qui augmentent avec la taille des lots et la longueur des séquences.

MéthodeMémoire et plus petite configuration
QLoRA77 Go : un H100 ou A100, la H100 à partir de 2,25 $ par heure de GPU
LoRA265 Go : 2 × H200, à partir de 8,06 $ de l’heure pour les 2
Fine-tuning complet1 768 Go : 8 × B300, à partir de 36,80 $ de l’heure pour les 8

À propos du modèle

D’après sa fiche et ses fichiers sur Hugging Face. Les chiffres de mémoire suivent le guide de la mémoire GPU.

Paramètres
110B
Experts
128
Experts par token
8
Fenêtre de contexte (tokens)
131,072
Publié en
BF16
Licence
mit
Date de publication
2025-07-20
Poids
zai-org/GLM-4.5-Air

Déployez-le sur Arrakis

Ouvrez Models dans la console, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine. Ou faites-le tourner vous-même sur n’importe quelle machine avec assez de mémoire GPU :

vLLM
vllm serve zai-org/GLM-4.5-Air --tensor-parallel-size 2
Déployer ce modèle Comment fonctionne le déploiement

Questions

Les prix en temps réel de tous les GPU sont sur la page Prix des GPU.

De combien de mémoire GPU GLM-4.5-Air a-t-il besoin ?
Pour le servir, environ 265 Go en 16 bits, 133 Go en 8 bits et 66 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 77 Go avec QLoRA, 265 Go avec LoRA et 1 768 Go pour un fine-tuning complet avec Adam, hors activations.
Puis-je faire tourner GLM-4.5-Air sur un seul GPU ?
Oui, quantifié. En 8 bits, il lui faut environ 133 Go, ce qui tient sur un H200. En 16 bits, il lui faut 2 GPU H200.
Combien coûte l’exécution de GLM-4.5-Air ?
En 16 bits, il lui faut 2 GPU H200 ; en 4 bits, un H100 ou A100. Chaque configuration de cette page affiche le prix le plus bas par heure de GPU sur Arrakis en ce moment, et vous payez à l’heure depuis un solde prépayé.
Comment déployer GLM-4.5-Air sur Arrakis ?
Ouvrez Models dans la console Arrakis, collez zai-org/GLM-4.5-Air, choisissez vLLM, SGLang ou llama.cpp, et louez un GPU sur lequel il tient. Vous obtenez un endpoint compatible OpenAI avec sa propre clé d’API, et un accès SSH root à la machine.

Plus de modèles

Tous les modèles, et une vérification pour n’importe quel autre.