GLM-4.7-Flash 的 GPU 需求

GLM-4.7-Flash 有 31B 參數。部署推理時，16 位約需 75 GB 視訊記憶體，8 位約 37 GB，4 位約 19 GB，其中包含約 20% 用於 KV 快取和啟用值。

它是混合專家模型：共 64 個專家，每個 token 啟用其中 4 個。所有專家都常駐視訊記憶體，因此視訊記憶體要按全部 31B 參數來規劃。

部署推理需要什麼

推理執行它所需的視訊記憶體，能放下它的最小 GPU 配置，以及 Arrakis 當前的最低價格。

精度	視訊記憶體與最小配置
16 位	75 GB：一張 H100 或 A100，H100 每 GPU 小時 $2.07 起
8 位	37 GB：一張 L40S、RTX 6000 Ada 或 RTX A6000，L40S 每 GPU 小時 $0.44 起
4 位	19 GB：一張 RTX 4090 或 RTX 3090，RTX 3090 每 GPU 小時 $0.19 起

QLoRA 在凍結的 4 位模型上訓練介面卡，LoRA 基於 16 位模型，全量微調則會更新所有權重。以上數字不含激活值，激活值會隨批大小和序列長度增長。

來自它在 Hugging Face 上的模型卡和檔案。本頁的視訊記憶體數字遵循GPU 視訊記憶體指南。

在控制台中開啟 Models，選擇 vLLM、SGLang 或 llama.cpp，然後租用一塊能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。也可以在任何視訊記憶體足夠的機器上自己執行：

vLLM

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

所有 GPU 的實時價格見 GPU 價格頁面。

GLM-4.7-Flash 需要多少視訊記憶體？

推理部署時，16 位約需 75 GB，8 位約 37 GB，4 位約 19 GB，其中包含約 20% 用於 KV 快取和啟用值。微調時，QLoRA 約需 22 GB，LoRA 約需 75 GB，使用 Adam 全量微調約需 500 GB，均未計入啟用值。

GLM-4.7-Flash 能在單張 GPU 上執行嗎？

可以。16 位下約需 75 GB，一張 H100 或 A100 就能放下。

執行 GLM-4.7-Flash 要多少錢？

16 位下需要一張 H100 或 A100；4 位下需要一張 RTX 4090 或 RTX 3090。本頁每種配置都顯示 Arrakis 目前每 GPU 小時的最低價格，從預付餘額中按小時扣費。

如何在 Arrakis 上部署 GLM-4.7-Flash？

在 Arrakis 控制台中開啟 Models，貼上 zai-org/GLM-4.7-Flash，選擇 vLLM、SGLang 或 llama.cpp，然後租用一張能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。