GLM-4.5-Air の GPU 要件
GLM-4.5-Air のパラメータ数は 110B です。推論で動かすには、16 ビットで約 265 GB、8 ビットで約 133 GB、4 ビットで約 66 GB の GPU メモリを見込んでください。KV キャッシュと活性化の分として約 20% を含みます。
Mixture of Experts モデルです。エキスパートは 128 個で、トークンごとにそのうち 8 個が働きます。すべてのエキスパートが GPU メモリに載るため、メモリは 110B パラメータ全体の分を見込んでください。
ファインチューニングに必要なもの
QLoRA は 4 ビットで固定したモデルの上でアダプタを学習し、LoRA は 16 ビットで固定したモデルの上で学習します。フルファインチューニングはすべての重みを更新します。数値はアクティベーションを含まない値で、アクティベーションはバッチサイズとシーケンス長に応じて増えます。
| メソッド | メモリと最小構成 |
|---|---|
| QLoRA | 77 GB：H100 または A100 1 枚、H100 は GPU 1 時間あたり $2.25 から |
| LoRA | 265 GB：H200 × 2、2 枚で 1 時間あたり $8.06 から |
| フルファインチューニング | 1,768 GB：B300 × 8、8 枚で 1 時間あたり $36.80 から |
モデルについて
Hugging Face 上のモデルカードとファイルから。このページのメモリの数字は GPU メモリガイドの計算に従っています。
- パラメータ数
- 110B
- エキスパート数
- 128
- トークンごとのエキスパート数
- 8
- コンテキスト長（トークン）
- 131,072
- 公開時の精度
- BF16
- ライセンス
- mit
- 公開日
- 2025-07-20
Arrakis でデプロイする
コンソールで Models を開き、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。GPU メモリが足りるマシンなら、自分で動かすこともできます：
vLLM
vllm serve zai-org/GLM-4.5-Air --tensor-parallel-size 2よくある質問
すべての GPU の最新価格は GPU 価格 のページにあります。
GLM-4.5-Air にはどれだけの GPU メモリが必要ですか？
推論で動かすには、16 ビットで約 265 GB、8 ビットで約 133 GB、4 ビットで約 66 GB です。KV キャッシュと活性化の分として約 20% を含みます。ファインチューニングには、QLoRA で約 77 GB、LoRA で約 265 GB、Adam によるフルファインチューニングで約 1,768 GB が必要です（活性化を除く）。
GLM-4.5-Air は GPU 1 枚で動きますか？
はい、量子化すれば動きます。8 ビットで約 133 GB 必要で、H200 1 枚に収まります。16 ビットでは H200 2 枚が必要です。
GLM-4.5-Air を動かす費用はいくらですか？
16 ビットなら H200 2 枚、4 ビットなら H100 または A100 1 枚が必要です。このページの各構成には、Arrakis での現在の GPU 1 時間あたりの最安値を表示しています。料金は前払い残高から 1 時間単位で支払います。
Arrakis で GLM-4.5-Air をデプロイするには？
Arrakis コンソールで Models を開き、zai-org/GLM-4.5-Air を貼り付け、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。
ほかのモデル
- GLM-4.7-Flash31B
- GLM-5.3-Flash321B
- GLM-5.3753B
- GLM-5754B
- gpt-oss-120b117B
- NVIDIA-Nemotron-3-Super-120B-A12B-BF16124B