# Requisitos de GPU do GLM-5.3-Flash

O GLM-5.3-Flash tem 321B parâmetros. Para servi-lo, conte com cerca de 771 GB de memória de GPU em 16 bits, 386 GB em 8 bits ou 193 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 288 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 321B parâmetros.

[Implante na Arrakis](/console/#/models?model=zai-org/GLM-5.3-Flash).

## O que é preciso para servi-lo

| Precisão | Memória e menor configuração |
|---|---|
| 16 bits | 771 GB: 4 × [B300](/pt/gpus/b300.html.md), a partir de US$ 18,40 por hora pelas 4 |
| 8 bits | 386 GB: 2 × [B300](/pt/gpus/b300.html.md), a partir de US$ 9,20 por hora pelas 2 |
| 4 bits | 193 GB: uma [B300](/pt/gpus/b300.html.md), a partir de US$ 4,60 por GPU-hora |

## O que é preciso para fazer ajuste fino

| Método | Memória e menor configuração |
|---|---|
| QLoRA | 225 GB: uma [B300](/pt/gpus/b300.html.md), a partir de US$ 4,60 por GPU-hora |
| LoRA | 771 GB: 4 × [B300](/pt/gpus/b300.html.md), a partir de US$ 18,40 por hora pelas 4 |
| Ajuste fino completo | 5.141 GB: mais de uma máquina de 8 GPUs |

## Sobre o modelo

| | |
|---|---|
| Parâmetros | `321B` |
| Especialistas | `288` |
| Especialistas por token | `8` |
| Janela de contexto (tokens) | `1,048,576` |
| Publicado em | `FP8` |
| Licença | `mit` |
| Data de lançamento | `2026-08-25` |
| Pesos | [zai-org/GLM-5.3-Flash](https://huggingface.co/zai-org/GLM-5.3-Flash) |

## Sirva você mesmo

```
vllm serve zai-org/GLM-5.3-Flash --tensor-parallel-size 4
```

## Perguntas

**Quanta memória de GPU o GLM-5.3-Flash precisa?** Para servi-lo, cerca de 771 GB em 16 bits, 386 GB em 8 bits e 193 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 225 GB com QLoRA, 771 GB com LoRA e 5.141 GB para ajuste fino completo com Adam, sem contar as ativações.

**Posso rodar o GLM-5.3-Flash em uma única GPU?** Sim, quantizado. Em 4 bits ele precisa de cerca de 193 GB, que cabem em uma B300. Em 16 bits ele precisa de 4 GPUs B300.

**Quanto custa rodar o GLM-5.3-Flash?** Em 16 bits ele precisa de 4 GPUs B300; em 4 bits, de uma 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-5.3-Flash na Arrakis?** Abra Models no console da Arrakis, cole zai-org/GLM-5.3-Flash, 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: [/models](/pt/models.html.md).