# 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。

[在 Arrakis 上部署](/console/#/models?model=zai-org/GLM-4.7-Flash)。

## 部署推理需要什么

| 精度 | 显存与最小配置 |
|---|---|
| 16 位 | 75 GB：一块 [H100](/zh-cn/gpus/h100.html.md) 或 [A100](/zh-cn/gpus/a100.html.md)，H100 每 GPU 小时 $1.65 起 |
| 8 位 | 37 GB：一块 [L40S](/zh-cn/gpus/l40s.html.md)、[RTX 6000 Ada](/zh-cn/gpus/rtx-6000-ada.html.md) 或 [RTX A6000](/zh-cn/gpus/rtx-a6000.html.md)，L40S 每 GPU 小时 $0.44 起 |
| 4 位 | 19 GB：一块 [RTX 4090](/zh-cn/gpus/rtx-4090.html.md) 或 [RTX 3090](/zh-cn/gpus/rtx-3090.html.md)，RTX 3090 每 GPU 小时 $0.19 起 |

## 微调需要什么

| 方法 | 显存与最小配置 |
|---|---|
| QLoRA | 22 GB：一块 [RTX 4090](/zh-cn/gpus/rtx-4090.html.md) 或 [RTX 3090](/zh-cn/gpus/rtx-3090.html.md)，RTX 3090 每 GPU 小时 $0.19 起 |
| LoRA | 75 GB：一块 [H100](/zh-cn/gpus/h100.html.md) 或 [A100](/zh-cn/gpus/a100.html.md)，H100 每 GPU 小时 $1.65 起 |
| 全量微调 | 500 GB：2 × [B300](/zh-cn/gpus/b300.html.md)，2 块合计每小时 $9.20 起 |

## 关于这个模型

| | |
|---|---|
| 参数量 | `31B` |
| 专家数 | `64` |
| 每个 token 的专家数 | `4` |
| 上下文窗口（token） | `202,752` |
| 发布精度 | `BF16` |
| 许可证 | `mit` |
| 发布日期 | `2026-01-19` |
| 权重 | [zai-org/GLM-4.7-Flash](https://huggingface.co/zai-org/GLM-4.7-Flash) |

## 自己部署

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

## 常见问题

**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。


更多模型：[/models](/zh-cn/models.html.md)。