GLM-4-9B-0414: VRAM- und Speicherbedarf
Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Unsloth): 6,18 GiB–6,69 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.
Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte
Läuft auf
Herausgeber und Herkunft
- AnbieterZhipu AI
- Hugging Face
zai-org/GLM-4-9B-0414 - Revision
645b8482494e31b6b752272bf7f7f273ef0f3caf - Parameter gesamt9.400.279.040
- Schichten40
- Query-Köpfe32
- KV-Köpfe2 (gqa)
- Kopfdimension128
- Dokumentierte Kontextfähigkeit32.768
- Vollständigkeitcomplete · full
Speicherschichten in dieser Schätzung
Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.
- Weight artifact
- 5,74 GiB (6.166.574.944 bytes)
- Raw KV cache
- 0,31 GiB (335.544.320 bytes)
- Engine extras / workspace
- 0,13 GiB–0,64 GiB
- Total estimated demand
- 6,18 GiB–6,69 GiB
Gewählte Dateien
| Quantisierung | Gewählte Dateien | Bytes | Laufzeit | Beleg |
|---|---|---|---|---|
| BF16 safetensors bf16 | model-00001-of-00004.safetensors, model-00002-of-00004.safetensors, model-00003-of-00004.safetensors, model-00004-of-00004.safetensors | 18.800.558.080 (17,51 GiB / 18,80 GB) | vllm, sglang, unspecified | file-metadata |
| GGUF Q4_K_M (Unsloth) gguf-q4_k_m | GLM-4-9B-0414-Q4_K_M.gguf | 6.166.574.944 (5,74 GiB / 6,17 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q5_K_M (Unsloth) gguf-q5_k_m | GLM-4-9B-0414-Q5_K_M.gguf | 7.050.917.728 (6,57 GiB / 7,05 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q6_K (Unsloth) gguf-q6_k | GLM-4-9B-0414-Q6_K.gguf | 8.266.643.296 (7,70 GiB / 8,27 GB) | llama.cpp, ollama, unspecified | file-metadata |
| GGUF Q8_0 (Unsloth) gguf-q8_0 | GLM-4-9B-0414-Q8_0.gguf | 9.999.611.744 (9,31 GiB / 10,00 GB) | llama.cpp, ollama, unspecified | file-metadata |
| INT4 theoretical | Keine veröffentlichte Datei | 4.700.139.520 (Theoretische Zeilen sind keine herunterladbaren Artefakte.) | — | theoretical |
Speicher nach Quantisierung und Kontext
Gleichzeitige Sequenzen = 1. KV ist standardmäßig FP16. Die Spanne enthält dokumentierte Laufzeit-Zusätze der genannten Engine. Die Zahlen nutzen denselben Kern wie der interaktive Rechner.
| Quantisierung | 2.048 tokens | 8.192 tokens | 32.768 tokens |
|---|---|---|---|
| BF16 safetensors | 18,21 GiB–20,09 GiB | 18,45 GiB–20,33 GiB | 19,38 GiB–21,30 GiB |
| GGUF Q4_K_M (Unsloth) | 5,95 GiB–6,44 GiB | 6,18 GiB–6,69 GiB | 7,12 GiB–7,70 GiB |
| GGUF Q5_K_M (Unsloth) | 6,77 GiB–7,28 GiB | 7,00 GiB–7,53 GiB | 7,94 GiB–8,54 GiB |
| GGUF Q6_K (Unsloth) | 7,90 GiB–8,43 GiB | 8,14 GiB–8,69 GiB | 9,07 GiB–9,69 GiB |
| GGUF Q8_0 (Unsloth) | 9,52 GiB–10,08 GiB | 9,75 GiB–10,33 GiB | 10,69 GiB–11,34 GiB |
| INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte. | 4,58 GiB–6,30 GiB | 4,81 GiB–6,60 GiB | 5,75 GiB–7,75 GiB |
KV-Cache (Rohdaten)
Rohes GQA/MHA-KV ist 2 × Schichten × kvHeads × headDim × Tokens × Sequenzen × Bytes je Element. Diese Seite nutzt KV-Heads (2), nicht Query-Heads (32).
- 8,192 tokens, 1 sequence, FP16: 335.544.320 bytes (0,3125 GiB)
- 32,768 tokens: 1.342.177.280 bytes (1,2500 GiB)
Verwandte Seiten
Quellen
- GLM-4-9B-0414 model card
- config.json — revision 645b8482494e31b6b752272bf7f7f273ef0f3caf
- safetensors index — metadata.total_size=18800558080
- Artifact repo unsloth/GLM-4-9B-0414-GGUF
Annahmen, die das Ergebnis beeinflussen
- Der Kontext liegt im dokumentierten nativen Fenster von 32768 Tokens.
- Die vollständige Residenzschätzung nutzt die Gesamtparameter, inklusive inaktiver MoE-Experten.
- Gewichtbytes kommen nur von den gewählten Dateien, nicht von allen Quantisierungen im Repository.
- Die Downloadgröße ist nicht der GPU-Spitzenspeicher. Layout, Allocator und KV kommen extra.
- Berücksichtigte Dateien: GLM-4-9B-0414-Q4_K_M.gguf.
- Das Kontextbudget ist die Zahl gecachter Tokens je Sequenz (Prompt plus reservierte Generierung).
- Gleichzeitige Sequenzen teilen eine Modellkopie; Gewichte werden nicht mit der Sequenzzahl multipliziert.
- Der KV-Datentyp ist unabhängig von der Gewichtquantisierung, außer Sie ändern ihn.
Rechner
Katalog-Snapshot wird geladen…
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.
Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.