GLM-4-9B-0414: requisitos de VRAM e memória
Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Unsloth): 6,18 GiB–6,69 GiB em 8.192 tokens, 1 sequência, KV FP16, llama.cpp.
Este resultado é uma estimativa, não um rastreio medido.Não verificadoPesos com arquivo
Roda em
Publicador e procedência
- FornecedorZhipu AI
- Hugging Face
zai-org/GLM-4-9B-0414 - Revision
645b8482494e31b6b752272bf7f7f273ef0f3caf - Parâmetros totais9.400.279.040
- Camadas40
- Heads de consulta32
- Heads KV2 (gqa)
- Dimensão do head128
- Contexto documentado32.768
- Completudecomplete · full
Camadas de memória desta estimativa
Bytes do arquivo, KV bruto, extras do engine e demanda total ficam separados. Isto não é um rastreio de execução.
- 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
Arquivos contados
| Quantização | Arquivos contados | Bytes | Motor de execução | Evidência |
|---|---|---|---|---|
| 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 | Nenhum arquivo publicado | 4.700.139.520 (Linhas teóricas não são artefactos descarregáveis.) | — | theoretical |
Memória por quantização e contexto
Sequências concorrentes = 1. O KV padrão é FP16. O intervalo inclui extras de runtime documentados para o engine indicado. Os números usam o mesmo núcleo da calculadora interativa.
| Quantização | 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 Linhas teóricas não são artefactos descarregáveis. | 4,58 GiB–6,30 GiB | 4,81 GiB–6,60 GiB | 5,75 GiB–7,75 GiB |
Cache KV (dados brutos)
O KV bruto de GQA/MHA é 2 × camadas × kvHeads × headDim × tokens × sequências × bytes por elemento. Esta página usa KV heads (2), não 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)
Páginas relacionadas
Fontes
- GLM-4-9B-0414 model card
- config.json — revision 645b8482494e31b6b752272bf7f7f273ef0f3caf
- safetensors index — metadata.total_size=18800558080
- Artifact repo unsloth/GLM-4-9B-0414-GGUF
Premissas que afetam o resultado
- O contexto pedido cabe na janela nativa de 32768 tokens.
- A estimativa residente usa o total de parâmetros, inclusive especialistas MoE inativos.
- Os bytes dos pesos vêm só dos arquivos escolhidos, não de todas as quantizações do repositório.
- O tamanho do download não é o pico de GPU. Layout em execução e KV vêm a mais.
- Arquivos contados: GLM-4-9B-0414-Q4_K_M.gguf.
- O contexto é o número de tokens em cache por sequência (entrada mais geração reservada).
- Sequências simultâneas compartilham uma cópia do modelo; os pesos não multiplicam pela quantidade de sequências.
- O tipo da KV é independente da quantização dos pesos, a menos que você mude.
Calculadora
A carregar o snapshot do catálogo…
Pesquise ou escolha um modelo do catálogo para ver a VRAM necessária e rodar um LLM local.
Pesquise ou escolha um modelo do catálogo para ver a VRAM necessária e rodar um LLM local.