GLM-4.7-Flash の GPU 要件
GLM-4.7-Flash のパラメータ数は 31B です。推論で動かすには、16 ビットで約 75 GB、8 ビットで約 37 GB、4 ビットで約 19 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 64 個で、トークンごとにそのうち 4 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 31B 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 | 22 GB：RTX 4090 または RTX 3090 1 枚、RTX 3090 は GPU 1 時間あたり $0.19 から |
| LoRA | 75 GB：H100 または A100 1 枚、H100 は GPU 1 時間あたり $2.07 から |
| フルファインチューニング | 500 GB：B300 × 2、2 枚で 1 時間あたり $9.20 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
- 31B
- エキスパート数
- 64
- トークンごとのエキスパート数
- 4
- コンテキスト長（トークン）
- 202,752
- 公開時の精度
- BF16
- ライセンス
- mit
- 公開日
- 2026-01-19
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-4.7-Flash --tensor-parallel-size 1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-4.7-Flash 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 75 GB、8 ビットで約 37 GB、4 ビットで約 19 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 22 GB、LoRA で約 75 GB、Adam によるフルファインチューニングで約 500 GB が必要です（活性化を除く）。
GLM-4.7-Flash は GPU 1 枚で動きますか？
はい。16 ビットで約 75 GB 必要で、H100 または A100 1 枚に収まります。
GLM-4.7-Flash を動かす費用はいくらですか？
16 ビットなら H100 または A100 1 枚、4 ビットなら RTX 4090 または RTX 3090 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-4.7-Flash をデプロイするには？
Arrakis コンソールで Models を開き、zai-org/GLM-4.7-Flash 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-4.5-Air110B
- GLM-5.3-Flash321B
- GLM-5.3753B
- GLM-5754B
- gemma-4-31B-it31B
- Qwen3-VL-30B-A3B-Instruct31B