GLM-4.7-Flash 的 GPU 需求

GLM-4.7-Flash 有 31B 参数。部署推理时，16 位约需 75 GB 显存，8 位约 37 GB，4 位约 19 GB，其中包含约 20% 用于 KV 缓存和激活值。

它是混合专家模型：共 64 个专家，每个 token 激活其中 4 个。所有专家都常驻显存，因此显存要按全部 31B 参数来规划。

部署推理需要什么

推理运行它所需的显存，能放下它的最小 GPU 配置，以及 Arrakis 当前的最低价格。

精度	显存与最小配置
16 位	75 GB：一块 H100 或 A100，H100 每 GPU 小时 $2.07 起
8 位	37 GB：一块 L40S、RTX 6000 Ada 或 RTX A6000，L40S 每 GPU 小时 $0.44 起
4 位	19 GB：一块 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小时 $0.19 起

QLoRA 在冻结的 4 位模型上训练适配器，LoRA 基于 16 位模型，全量微调则会更新所有权重。以上数字不含激活值，激活值会随批大小和序列长度增长。

来自它在 Hugging Face 上的模型卡和文件。本页的显存数字遵循GPU 显存指南。

在控制台中打开 Models，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。也可以在任何显存足够的机器上自己运行：

vLLM

vllm serve zai-org/GLM-4.7-Flash --tensor-parallel-size 1

所有 GPU 的实时价格见 GPU 价格页面。

GLM-4.7-Flash 需要多少显存？

推理部署时，16 位约需 75 GB，8 位约 37 GB，4 位约 19 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 22 GB，LoRA 约需 75 GB，使用 Adam 全量微调约需 500 GB，均未计入激活值。

GLM-4.7-Flash 能在单块 GPU 上运行吗？

可以。16 位下约需 75 GB，一块 H100 或 A100 就能放下。

运行 GLM-4.7-Flash 要多少钱？

16 位下需要一块 H100 或 A100；4 位下需要一块 RTX 4090 或 RTX 3090。本页每种配置都显示 Arrakis 当前每 GPU 小时的最低价格，从预付余额中按小时扣费。

如何在 Arrakis 上部署 GLM-4.7-Flash？

在 Arrakis 控制台中打开 Models，粘贴 zai-org/GLM-4.7-Flash，选择 vLLM、SGLang 或 llama.cpp，然后租用一块能放下它的 GPU。你会得到一个兼容 OpenAI 的端点，带有专属 API 密钥，并可通过 root SSH 登录机器。