Arrakis / Modèles / GLM-5

Besoins GPU de GLM-5

GLM-5 compte 754B paramètres. Pour le servir, prévoyez environ 1 809 Go de mémoire GPU en 16 bits, 905 Go en 8 bits ou 452 Go en 4 bits, dont environ 20 % pour le cache KV et les activations.

C’est un modèle à mélange d’experts : 256 experts, dont 8 actifs pour chaque token. Tous restent en mémoire GPU : prévoyez la mémoire pour l’ensemble des 754B 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.

Précision	Mémoire et plus petite configuration
16 bits	1 809 Go : 8 × B300, à partir de 36,80 $ de l’heure pour les 8
8 bits	905 Go : 4 × B300, à partir de 18,40 $ de l’heure pour les 4
4 bits	452 Go : 2 × B300, à partir de 9,20 $ de l’heure pour les 2

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.

Méthode	Mémoire et plus petite configuration
QLoRA	528 Go : 4 × H200, à partir de 16,12 $ de l’heure pour les 4
LoRA	1 809 Go : 8 × B300, à partir de 36,80 $ de l’heure pour les 8
Fine-tuning complet	12 062 Go : plus d’une machine à 8 GPU

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: 754B
Experts: 256
Experts par token: 8
Fenêtre de contexte (tokens): 202,752
Publié en: BF16
Licence: mit
Date de publication: 2026-02-11
Poids: zai-org/GLM-5

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-5 --tensor-parallel-size 8

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-5 a-t-il besoin ?

Pour le servir, environ 1 809 Go en 16 bits, 905 Go en 8 bits et 452 Go en 4 bits, dont environ 20 % pour le cache KV et les activations. Pour l’affiner, environ 528 Go avec QLoRA, 1 809 Go avec LoRA et 12 062 Go pour un fine-tuning complet avec Adam, hors activations.

Puis-je faire tourner GLM-5 sur un seul GPU ?

Non. Même en 4 bits, il lui faut environ 452 Go : 2 GPU B300.

Combien coûte l’exécution de GLM-5 ?

En 16 bits, il lui faut 8 GPU B300 ; en 4 bits, 2 GPU 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 sur Arrakis ?

Ouvrez Models dans la console Arrakis, collez zai-org/GLM-5, 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.