# Besoins GPU de GLM-5.3-Flash

GLM-5.3-Flash compte 321B paramètres. Pour le servir, prévoyez environ 771 Go de mémoire GPU en 16 bits, 386 Go en 8 bits ou 193 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 288 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 321B paramètres.

[Déployez-le sur Arrakis](/console/#/models?model=zai-org/GLM-5.3-Flash).

## Ce qu’il faut pour le servir

| Précision | Mémoire et plus petite configuration |
|---|---|
| 16 bits | 771 Go : 4 × [B300](/fr/gpus/b300.html.md), à partir de 18,40 $ de l’heure pour les 4 |
| 8 bits | 386 Go : 2 × [B300](/fr/gpus/b300.html.md), à partir de 9,20 $ de l’heure pour les 2 |
| 4 bits | 193 Go : un [B300](/fr/gpus/b300.html.md), à partir de 4,60 $ par heure de GPU |

## Ce qu’il faut pour l’affiner

| Méthode | Mémoire et plus petite configuration |
|---|---|
| QLoRA | 225 Go : un [B300](/fr/gpus/b300.html.md), à partir de 4,60 $ par heure de GPU |
| LoRA | 771 Go : 4 × [B300](/fr/gpus/b300.html.md), à partir de 18,40 $ de l’heure pour les 4 |
| Fine-tuning complet | 5 141 Go : plus d’une machine à 8 GPU |

## À propos du modèle

| | |
|---|---|
| Paramètres | `321B` |
| Experts | `288` |
| Experts par token | `8` |
| Fenêtre de contexte (tokens) | `1,048,576` |
| Publié en | `FP8` |
| Licence | `mit` |
| Date de publication | `2026-08-25` |
| Poids | [zai-org/GLM-5.3-Flash](https://huggingface.co/zai-org/GLM-5.3-Flash) |

## Servez-le vous-même

```
vllm serve zai-org/GLM-5.3-Flash --tensor-parallel-size 4
```

## Questions

**De combien de mémoire GPU GLM-5.3-Flash a-t-il besoin ?** Pour le servir, environ 771 Go en 16 bits, 386 Go en 8 bits et 193 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 225 Go avec QLoRA, 771 Go avec LoRA et 5 141 Go pour un fine-tuning complet avec Adam, hors activations.

**Puis-je faire tourner GLM-5.3-Flash sur un seul GPU ?** Oui, quantifié. En 4 bits, il lui faut environ 193 Go, ce qui tient sur un B300. En 16 bits, il lui faut 4 GPU B300.

**Combien coûte l’exécution de GLM-5.3-Flash ?** En 16 bits, il lui faut 4 GPU B300 ; en 4 bits, un B300. 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-5.3-Flash sur Arrakis ?** Ouvrez Models dans la console Arrakis, collez zai-org/GLM-5.3-Flash, 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 : [/models](/fr/models.html.md).