arrakis
PT
Entrar Comece a alugar
Menu

Arrakis / Modelos / GLM-4.5-Air

Requisitos de GPU do GLM-4.5-Air

O GLM-4.5-Air tem 110B parâmetros. Para servi-lo, conte com cerca de 265 GB de memória de GPU em 16 bits, 133 GB em 8 bits ou 66 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 128 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 110B parâmetros.

Implantar este modelo Verificar outro modelo

O que é preciso para servi-lo

A memória de GPU para rodá-lo em inferência, com a menor configuração de GPU que o comporta e o menor preço na Arrakis agora.

PrecisãoMemória e menor configuração
16 bits265 GB: 2 × H200, a partir de US$ 8,06 por hora pelas 2
8 bits133 GB: uma H200, a partir de US$ 4,03 por GPU-hora
4 bits66 GB: uma H100 ou A100, a H100 a partir de US$ 2,25 por GPU-hora

O que é preciso para fazer ajuste fino

O QLoRA treina adaptadores sobre um modelo congelado em 4 bits, o LoRA sobre um em 16 bits, e o ajuste fino completo atualiza todos os pesos. Os valores não incluem as ativações, que crescem com o tamanho do lote e o comprimento da sequência.

MétodoMemória e menor configuração
QLoRA77 GB: uma H100 ou A100, a H100 a partir de US$ 2,25 por GPU-hora
LoRA265 GB: 2 × H200, a partir de US$ 8,06 por hora pelas 2
Ajuste fino completo1.768 GB: 8 × B300, a partir de US$ 36,80 por hora pelas 8

Sobre o modelo

Do cartão e dos arquivos no Hugging Face. Os números de memória seguem o guia de memória de GPU.

Parâmetros
110B
Especialistas
128
Especialistas por token
8
Janela de contexto (tokens)
131,072
Publicado em
BF16
Licença
mit
Data de lançamento
2025-07-20
Pesos
zai-org/GLM-4.5-Air

Implante na Arrakis

Abra Models no console, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina. Ou rode você mesmo em qualquer máquina com memória de GPU suficiente:

vLLM
vllm serve zai-org/GLM-4.5-Air --tensor-parallel-size 2
Implantar este modelo Como funciona a implantação

Perguntas

Os preços em tempo real de todas as GPUs estão na página de preços de GPU.

Quanta memória de GPU o GLM-4.5-Air precisa?
Para servi-lo, cerca de 265 GB em 16 bits, 133 GB em 8 bits e 66 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 77 GB com QLoRA, 265 GB com LoRA e 1.768 GB para ajuste fino completo com Adam, sem contar as ativações.
Posso rodar o GLM-4.5-Air em uma única GPU?
Sim, quantizado. Em 8 bits ele precisa de cerca de 133 GB, que cabem em uma H200. Em 16 bits ele precisa de 2 GPUs H200.
Quanto custa rodar o GLM-4.5-Air?
Em 16 bits ele precisa de 2 GPUs H200; em 4 bits, de uma H100 ou A100. Cada configuração desta página mostra o menor preço por GPU-hora na Arrakis agora, e você paga por hora a partir de um saldo pré-pago.
Como implanto o GLM-4.5-Air na Arrakis?
Abra Models no console da Arrakis, cole zai-org/GLM-4.5-Air, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina.

Mais modelos

Todos os modelos, e uma verificação para qualquer outro.