GLM-4.5-Air: requisitos de VRAM y memoria

Puntos de control concretos, con arquitectura y archivos de pesos con fuente. GGUF Q4_K_M (Unsloth): 69,53 GiB–71,36 GiB a 8192 tokens, 1 secuencia, KV FP16, llama.cpp.

Este resultado es una estimación, no una traza medida.No verificadoPesos con archivo

Dónde corre

Editor y procedencia

ProveedorZhipu AI
Hugging Facezai-org/GLM-4.5-Air
Revisiona24ceef6ce4f3536971efe9b778bdaa1bab18daa
Parámetros totales110.468.824.832
Parámetros activosDesconocido / sin fuente independiente
Capas46
Cabezas de consulta96
Cabezas KV8 (gqa)
Dimensión de cabeza128
Contexto documentado131.072
Integridadcomplete · full

El recuento de parámetros activos es desconocido o no tiene una fuente independiente. Los parámetros activos describen el cómputo enrutado, no la huella residente completa.

Capas de memoria de esta estimación

Los bytes del archivo, el KV bruto, los extras del motor y la demanda total van aparte. No es una traza de ejecución.

Weight artifact: 67,96 GiB (72.975.748.384 bytes)
Raw KV cache: 1,44 GiB (1.543.503.872 bytes)
Engine extras / workspace: 0,13 GiB–1,96 GiB
Total estimated demand: 69,53 GiB–71,36 GiB

Archivos contados

Cuantización	Archivos contados	Bytes	Motor	Evidencia
BF16 safetensors bf16 Calculadora: BF16 safetensors	47 fragmentos safetensors Bytes seleccionados en total: 110.468.824.832 (102,88 GiB / 110,47 GB) Primer fragmento: model-00001-of-00047.safetensors Último fragmento: model-00047-of-00047.safetensors Ver los 47 archivos de fragmentos `model-00001-of-00047.safetensors` `model-00002-of-00047.safetensors` `model-00003-of-00047.safetensors` `model-00004-of-00047.safetensors` `model-00005-of-00047.safetensors` `model-00006-of-00047.safetensors` `model-00007-of-00047.safetensors` `model-00008-of-00047.safetensors` `model-00009-of-00047.safetensors` `model-00010-of-00047.safetensors` `model-00011-of-00047.safetensors` `model-00012-of-00047.safetensors` `model-00013-of-00047.safetensors` `model-00014-of-00047.safetensors` `model-00015-of-00047.safetensors` `model-00016-of-00047.safetensors` `model-00017-of-00047.safetensors` `model-00018-of-00047.safetensors` `model-00019-of-00047.safetensors` `model-00020-of-00047.safetensors` `model-00021-of-00047.safetensors` `model-00022-of-00047.safetensors` `model-00023-of-00047.safetensors` `model-00024-of-00047.safetensors` `model-00025-of-00047.safetensors` `model-00026-of-00047.safetensors` `model-00027-of-00047.safetensors` `model-00028-of-00047.safetensors` `model-00029-of-00047.safetensors` `model-00030-of-00047.safetensors` `model-00031-of-00047.safetensors` `model-00032-of-00047.safetensors` `model-00033-of-00047.safetensors` `model-00034-of-00047.safetensors` `model-00035-of-00047.safetensors` `model-00036-of-00047.safetensors` `model-00037-of-00047.safetensors` `model-00038-of-00047.safetensors` `model-00039-of-00047.safetensors` `model-00040-of-00047.safetensors` `model-00041-of-00047.safetensors` `model-00042-of-00047.safetensors` `model-00043-of-00047.safetensors` `model-00044-of-00047.safetensors` `model-00045-of-00047.safetensors` `model-00046-of-00047.safetensors` `model-00047-of-00047.safetensors`	110.468.824.832 (102,88 GiB / 110,47 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Unsloth) gguf-q4_k_m Calculadora: GGUF Q4_K_M (Unsloth)	Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf, Q4_K_M/GLM-4.5-Air-Q4_K_M-00002-of-00002.gguf	72.975.748.384 (67,96 GiB / 72,98 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Unsloth) gguf-q5_k_m Calculadora: GGUF Q5_K_M (Unsloth)	Q5_K_M/GLM-4.5-Air-Q5_K_M-00001-of-00002.gguf, Q5_K_M/GLM-4.5-Air-Q5_K_M-00002-of-00002.gguf	83.519.589.632 (77,78 GiB / 83,52 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Unsloth) gguf-q6_k Calculadora: GGUF Q6_K (Unsloth)	Q6_K/GLM-4.5-Air-Q6_K-00001-of-00002.gguf, Q6_K/GLM-4.5-Air-Q6_K-00002-of-00002.gguf	99.007.528.192 (92,21 GiB / 99,01 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Unsloth) gguf-q8_0 Calculadora: GGUF Q8_0 (Unsloth)	Q8_0/GLM-4.5-Air-Q8_0-00001-of-00003.gguf, Q8_0/GLM-4.5-Air-Q8_0-00002-of-00003.gguf, Q8_0/GLM-4.5-Air-Q8_0-00003-of-00003.gguf	117.456.506.240 (109,39 GiB / 117,46 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	No hay archivo publicado	55.234.412.416 (Las filas teóricas no son artefactos descargables.)	—	theoretical

Memoria por cuantización y contexto

Secuencias concurrentes = 1. El KV es FP16 por defecto. El intervalo incluye extras de runtime documentados para el motor indicado. Las cifras usan el mismo núcleo que la calculadora interactiva.

Cuantización	2048 tokens	8192 tokens	32.768 tokens
BF16 safetensors	103,87 GiB–105,75 GiB	104,94 GiB–106,86 GiB	109,26 GiB–111,30 GiB
GGUF Q4_K_M (Unsloth)	68,45 GiB–70,19 GiB	69,53 GiB–71,36 GiB	73,84 GiB–75,98 GiB
GGUF Q5_K_M (Unsloth)	78,27 GiB–80,21 GiB	79,35 GiB–81,38 GiB	83,66 GiB–85,99 GiB
GGUF Q6_K (Unsloth)	92,69 GiB–94,92 GiB	93,77 GiB–96,09 GiB	98,08 GiB–100,70 GiB
GGUF Q8_0 (Unsloth)	109,87 GiB–112,44 GiB	110,95 GiB–113,62 GiB	115,26 GiB–118,23 GiB
INT4 theoretical Las filas teóricas no son artefactos descargables.	51,93 GiB–67,25 GiB	53,00 GiB–68,60 GiB	57,32 GiB–73,91 GiB

Caché KV (datos brutos)

El KV bruto de GQA/MHA es 2 × capas × kvHeads × headDim × tokens × secuencias × bytes por elemento. Esta página usa KV heads (8), no query heads (96).

8,192 tokens, 1 sequence, FP16: 1.543.503.872 bytes (1,4375 GiB)
32,768 tokens: 6.174.015.488 bytes (5,7500 GiB)

Abrir la calculadora con este modelo

Páginas relacionadas

Fuentes

GLM-4.5-Air model card
config.json — revision a24ceef6ce4f3536971efe9b778bdaa1bab18daa
safetensors index — metadata.total_size=110468824832
Artifact repo unsloth/GLM-4.5-Air-GGUF

Hipótesis que afectan al resultado

El contexto pedido cabe en la ventana nativa de 131072 tokens.
La estimación residente usa el total de parámetros, incluidos expertos MoE inactivos.
El recuento de parámetros activos es desconocido o no tiene una fuente independiente. Los parámetros activos describen el cómputo enrutado, no la huella residente completa.
Los bytes de pesos salen solo de los archivos elegidos, no de todas las cuantizaciones del repositorio.
El tamaño de descarga no es la memoria GPU de pico. El diseño en ejecución y la KV van aparte.
Archivos contados: Q4_K_M/GLM-4.5-Air-Q4_K_M-00001-of-00002.gguf, Q4_K_M/GLM-4.5-Air-Q4_K_M-00002-of-00002.gguf.
Hay pesos MTP/draft; no entran salvo que se activen.
El contexto es el número de tokens en caché por secuencia (entrada más generación reservada).

Calculadora

Cargando la instantánea del catálogo…

Elige primero un modelo y después revisa el equipo.

Modelo

Mostrar modelos históricos

Cuantización

Tipo de dispositivo

Hardware

Carga

La longitud de contexto afecta sobre todo a la memoria de la caché KV.

Ajustes avanzados

Ejecución

Motor y tipo de caché KV de esta estimación.

MotorTipo de caché KVDtype de estado recurrente / conv Incluir estimaciones teóricas (experto) Permitir un sustituto si el filtro no tiene coincidencia

Carga

Escenario de sobrecarga y el espacio de prellenado.

Escenario de sobrecoste en tiempo de ejecución Incluir un espacio de trabajo de prefill más pesado

Topología

Cómo se reparte el modelo entre dispositivos. La memoria no se suma.

DesplieguePartición intra-réplicaNúmero de dispositivos

El número de réplicas es avanzado. La cantidad son nodos o GPUs, no réplicas.

Grupos de réplicasDispositivos por réplica

Presupuesto

Reserva del sistema y margen de seguridad. Un número vacío conserva el valor anterior.

Reserva para sistema / pantalla

GiB (2^30 bytes)

El presupuesto ya descuenta la reserva del sistemaMargen de seguridad extra

Bits efectivos por parámetro (personalizado)Unidad de visualización

Modelo personalizado

Importe una config o escriba la arquitectura. No se escanea nada hasta importar.

Importar config.json local

Se analiza en el navegador. El archivo no se sube.

Repo público de Hugging FaceRevisión

Solo huggingface.co, solo config.json, sin token. Se rechazan repos privados.

Parámetros totalesParámetros activosCapasCabezas de consultaCabezas KVDimensión de cabeza

Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.

Busque o elija un modelo del catálogo para ver la VRAM necesaria de un LLM en local.