# GLM-5 的 GPU 需求

GLM-5 有 754B 参数。部署推理时，16 位约需 1,809 GB 显存，8 位约 905 GB，4 位约 452 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 256 个专家，每个 token 激活其中 8 个。所有专家都常驻显存，因此显存要按全部 754B 参数来规划。

[在 Arrakis 上部署](/console/#/models?model=zai-org/GLM-5)。

## 部署推理需要什么

| 精度 | 显存与最小配置 |
|---|---|
| 16 位 | 1,809 GB：8 × [B300](/zh-cn/gpus/b300.html.md)，8 块合计每小时 $36.80 起 |
| 8 位 | 905 GB：4 × [B300](/zh-cn/gpus/b300.html.md)，4 块合计每小时 $18.40 起 |
| 4 位 | 452 GB：2 × [B300](/zh-cn/gpus/b300.html.md)，2 块合计每小时 $9.20 起 |

## 微调需要什么

| 方法 | 显存与最小配置 |
|---|---|
| QLoRA | 528 GB：4 × [H200](/zh-cn/gpus/h200.html.md)，4 块合计每小时 $16.12 起 |
| LoRA | 1,809 GB：8 × [B300](/zh-cn/gpus/b300.html.md)，8 块合计每小时 $36.80 起 |
| 全量微调 | 12,062 GB：多于一台 8 卡机器 |

## 关于这个模型

| | |
|---|---|
| 参数量 | `754B` |
| 专家数 | `256` |
| 每个 token 的专家数 | `8` |
| 上下文窗口（token） | `202,752` |
| 发布精度 | `BF16` |
| 许可证 | `mit` |
| 发布日期 | `2026-02-11` |
| 权重 | [zai-org/GLM-5](https://huggingface.co/zai-org/GLM-5) |

## 自己部署

```
vllm serve zai-org/GLM-5 --tensor-parallel-size 8
```

## 常见问题

**GLM-5 需要多少显存？** 推理部署时，16 位约需 1,809 GB，8 位约 905 GB，4 位约 452 GB，其中包含约 20% 用于 KV 缓存和激活值。微调时，QLoRA 约需 528 GB，LoRA 约需 1,809 GB，使用 Adam 全量微调约需 12,062 GB，均未计入激活值。

**GLM-5 能在单块 GPU 上运行吗？** 不能。即使是 4 位也约需 452 GB：需要 2 块 B300。

**运行 GLM-5 要多少钱？** 16 位下需要 8 块 B300；4 位下需要 2 块 B300。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-5？** 在 Arrakis 控制台中打开 Models，粘贴 zai-org/GLM-5，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)。