Arrakis / Modelos / GLM-5.1

Requisitos de GPU do GLM-5.1

O GLM-5.1 tem 754B parâmetros. Para servi-lo, conte com cerca de 1.809 GB de memória de GPU em 16 bits, 905 GB em 8 bits ou 452 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 256 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 754B 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.

Precisão	Memória e menor configuração
16 bits	1.809 GB: 8 × B300, a partir de US$ 36,80 por hora pelas 8
8 bits	905 GB: 4 × B300, a partir de US$ 18,40 por hora pelas 4
4 bits	452 GB: 2 × B300, a partir de US$ 9,20 por hora pelas 2

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.

Método	Memória e menor configuração
QLoRA	528 GB: 4 × H200, a partir de US$ 13,76 por hora pelas 4
LoRA	1.809 GB: 8 × B300, a partir de US$ 36,80 por hora pelas 8
Ajuste fino completo	12.062 GB: mais de uma máquina de 8 GPUs

Sobre o modelo

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

Parâmetros: 754B
Especialistas: 256
Especialistas por token: 8
Janela de contexto (tokens): 202,752
Publicado em: BF16
Licença: mit
Data de lançamento: 2026-04-03
Pesos: zai-org/GLM-5.1

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-5.1 --tensor-parallel-size 8

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-5.1 precisa?

Para servi-lo, cerca de 1.809 GB em 16 bits, 905 GB em 8 bits e 452 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 528 GB com QLoRA, 1.809 GB com LoRA e 12.062 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o GLM-5.1 em uma única GPU?

Não. Mesmo em 4 bits ele precisa de cerca de 452 GB: 2 GPUs B300.

Quanto custa rodar o GLM-5.1?

Em 16 bits ele precisa de 8 GPUs B300; em 4 bits, de 2 GPUs B300. 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-5.1 na Arrakis?

Abra Models no console da Arrakis, cole zai-org/GLM-5.1, 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.