GLM-4.5: requisitos de VRAM e memória

Checkpoints específicos, com arquitetura e arquivos de peso rastreáveis. GGUF Q4_K_M (Unsloth): 204,59 GiB–209,20 GiB em 8.192 tokens, 1 sequência, KV FP16, llama.cpp.

Este resultado é uma estimativa, não um rastreio medido.Não verificadoPesos com arquivo

Publicador e procedência

FornecedorZhipu AI
Hugging Facezai-org/GLM-4.5
Revisioncbb2c7cfb52fa128a9660cb1a7a78e017899e115
Parâmetros totais358.337.791.296
Parâmetros ativosDesconhecido / sem fonte independente
Camadas92
Heads de consulta96
Heads KV8 (gqa)
Dimensão do head128
Contexto documentado131.072
Completudecomplete · full

A contagem de parâmetros ativos é desconhecida ou não tem fonte independente. Parâmetros ativos descrevem o compute roteado, não a pegada residente completa.

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: 201,59 GiB (216.455.572.672 bytes)
Raw KV cache: 2,88 GiB (3.087.007.744 bytes)
Engine extras / workspace: 0,13 GiB–4,73 GiB
Total estimated demand: 204,59 GiB–209,20 GiB

Arquivos contados

Quantização	Arquivos contados	Bytes	Motor de execução	Evidência
BF16 safetensors bf16 Calculadora: BF16 safetensors	93 shards safetensors Total de bytes selecionados: 358.337.791.296 (333,73 GiB / 358,34 GB) Primeiro shard: model-00001-of-00093.safetensors Último shard: model-00093-of-00093.safetensors Ver todos os 93 arquivos de shard `model-00001-of-00093.safetensors` `model-00002-of-00093.safetensors` `model-00003-of-00093.safetensors` `model-00004-of-00093.safetensors` `model-00005-of-00093.safetensors` `model-00006-of-00093.safetensors` `model-00007-of-00093.safetensors` `model-00008-of-00093.safetensors` `model-00009-of-00093.safetensors` `model-00010-of-00093.safetensors` `model-00011-of-00093.safetensors` `model-00012-of-00093.safetensors` `model-00013-of-00093.safetensors` `model-00014-of-00093.safetensors` `model-00015-of-00093.safetensors` `model-00016-of-00093.safetensors` `model-00017-of-00093.safetensors` `model-00018-of-00093.safetensors` `model-00019-of-00093.safetensors` `model-00020-of-00093.safetensors` `model-00021-of-00093.safetensors` `model-00022-of-00093.safetensors` `model-00023-of-00093.safetensors` `model-00024-of-00093.safetensors` `model-00025-of-00093.safetensors` `model-00026-of-00093.safetensors` `model-00027-of-00093.safetensors` `model-00028-of-00093.safetensors` `model-00029-of-00093.safetensors` `model-00030-of-00093.safetensors` `model-00031-of-00093.safetensors` `model-00032-of-00093.safetensors` `model-00033-of-00093.safetensors` `model-00034-of-00093.safetensors` `model-00035-of-00093.safetensors` `model-00036-of-00093.safetensors` `model-00037-of-00093.safetensors` `model-00038-of-00093.safetensors` `model-00039-of-00093.safetensors` `model-00040-of-00093.safetensors` `model-00041-of-00093.safetensors` `model-00042-of-00093.safetensors` `model-00043-of-00093.safetensors` `model-00044-of-00093.safetensors` `model-00045-of-00093.safetensors` `model-00046-of-00093.safetensors` `model-00047-of-00093.safetensors` `model-00048-of-00093.safetensors` `model-00049-of-00093.safetensors` `model-00050-of-00093.safetensors` `model-00051-of-00093.safetensors` `model-00052-of-00093.safetensors` `model-00053-of-00093.safetensors` `model-00054-of-00093.safetensors` `model-00055-of-00093.safetensors` `model-00056-of-00093.safetensors` `model-00057-of-00093.safetensors` `model-00058-of-00093.safetensors` `model-00059-of-00093.safetensors` `model-00060-of-00093.safetensors` `model-00061-of-00093.safetensors` `model-00062-of-00093.safetensors` `model-00063-of-00093.safetensors` `model-00064-of-00093.safetensors` `model-00065-of-00093.safetensors` `model-00066-of-00093.safetensors` `model-00067-of-00093.safetensors` `model-00068-of-00093.safetensors` `model-00069-of-00093.safetensors` `model-00070-of-00093.safetensors` `model-00071-of-00093.safetensors` `model-00072-of-00093.safetensors` `model-00073-of-00093.safetensors` `model-00074-of-00093.safetensors` `model-00075-of-00093.safetensors` `model-00076-of-00093.safetensors` `model-00077-of-00093.safetensors` `model-00078-of-00093.safetensors` `model-00079-of-00093.safetensors` `model-00080-of-00093.safetensors` `model-00081-of-00093.safetensors` `model-00082-of-00093.safetensors` `model-00083-of-00093.safetensors` `model-00084-of-00093.safetensors` `model-00085-of-00093.safetensors` `model-00086-of-00093.safetensors` `model-00087-of-00093.safetensors` `model-00088-of-00093.safetensors` `model-00089-of-00093.safetensors` `model-00090-of-00093.safetensors` `model-00091-of-00093.safetensors` `model-00092-of-00093.safetensors` `model-00093-of-00093.safetensors`	358.337.791.296 (333,73 GiB / 358,34 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Unsloth) gguf-q4_k_m Calculadora: GGUF Q4_K_M (Unsloth)	5 shards safetensors Total de bytes selecionados: 216.455.572.672 (201,59 GiB / 216,46 GB) Primeiro shard: Q4_K_M/GLM-4.5-Q4_K_M-00001-of-00005.gguf Último shard: Q4_K_M/GLM-4.5-Q4_K_M-00005-of-00005.gguf Ver todos os 5 arquivos de shard `Q4_K_M/GLM-4.5-Q4_K_M-00001-of-00005.gguf` `Q4_K_M/GLM-4.5-Q4_K_M-00002-of-00005.gguf` `Q4_K_M/GLM-4.5-Q4_K_M-00003-of-00005.gguf` `Q4_K_M/GLM-4.5-Q4_K_M-00004-of-00005.gguf` `Q4_K_M/GLM-4.5-Q4_K_M-00005-of-00005.gguf`	216.455.572.672 (201,59 GiB / 216,46 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Unsloth) gguf-q5_k_m Calculadora: GGUF Q5_K_M (Unsloth)	6 shards safetensors Total de bytes selecionados: 254.246.825.344 (236,79 GiB / 254,25 GB) Primeiro shard: Q5_K_M/GLM-4.5-Q5_K_M-00001-of-00006.gguf Último shard: Q5_K_M/GLM-4.5-Q5_K_M-00006-of-00006.gguf Ver todos os 6 arquivos de shard `Q5_K_M/GLM-4.5-Q5_K_M-00001-of-00006.gguf` `Q5_K_M/GLM-4.5-Q5_K_M-00002-of-00006.gguf` `Q5_K_M/GLM-4.5-Q5_K_M-00003-of-00006.gguf` `Q5_K_M/GLM-4.5-Q5_K_M-00004-of-00006.gguf` `Q5_K_M/GLM-4.5-Q5_K_M-00005-of-00006.gguf` `Q5_K_M/GLM-4.5-Q5_K_M-00006-of-00006.gguf`	254.246.825.344 (236,79 GiB / 254,25 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Unsloth) gguf-q6_k Calculadora: GGUF Q6_K (Unsloth)	6 shards safetensors Total de bytes selecionados: 294.371.691.840 (274,16 GiB / 294,37 GB) Primeiro shard: Q6_K/GLM-4.5-Q6_K-00001-of-00006.gguf Último shard: Q6_K/GLM-4.5-Q6_K-00006-of-00006.gguf Ver todos os 6 arquivos de shard `Q6_K/GLM-4.5-Q6_K-00001-of-00006.gguf` `Q6_K/GLM-4.5-Q6_K-00002-of-00006.gguf` `Q6_K/GLM-4.5-Q6_K-00003-of-00006.gguf` `Q6_K/GLM-4.5-Q6_K-00004-of-00006.gguf` `Q6_K/GLM-4.5-Q6_K-00005-of-00006.gguf` `Q6_K/GLM-4.5-Q6_K-00006-of-00006.gguf`	294.371.691.840 (274,16 GiB / 294,37 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Unsloth) gguf-q8_0 Calculadora: GGUF Q8_0 (Unsloth)	8 shards safetensors Total de bytes selecionados: 380.966.784.608 (354,80 GiB / 380,97 GB) Primeiro shard: Q8_0/GLM-4.5-Q8_0-00001-of-00008.gguf Último shard: Q8_0/GLM-4.5-Q8_0-00008-of-00008.gguf Ver todos os 8 arquivos de shard `Q8_0/GLM-4.5-Q8_0-00001-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00002-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00003-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00004-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00005-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00006-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00007-of-00008.gguf` `Q8_0/GLM-4.5-Q8_0-00008-of-00008.gguf`	380.966.784.608 (354,80 GiB / 380,97 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	Nenhum arquivo publicado	179.168.895.648 (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	335,07 GiB–336,97 GiB	337,23 GiB–339,19 GiB	345,85 GiB–348,07 GiB
GGUF Q4_K_M (Unsloth)	202,43 GiB–206,85 GiB	204,59 GiB–209,20 GiB	213,21 GiB–218,43 GiB
GGUF Q5_K_M (Unsloth)	237,63 GiB–242,75 GiB	239,79 GiB–245,10 GiB	248,41 GiB–254,33 GiB
GGUF Q6_K (Unsloth)	275,00 GiB–280,87 GiB	277,16 GiB–283,21 GiB	285,78 GiB–292,44 GiB
GGUF Q8_0 (Unsloth)	355,65 GiB–363,13 GiB	357,80 GiB–365,48 GiB	366,43 GiB–374,70 GiB
INT4 theoretical Linhas teóricas não são artefactos descarregáveis.	167,71 GiB–216,34 GiB	169,86 GiB–219,03 GiB	178,49 GiB–229,65 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 (8), não query heads (96).

8,192 tokens, 1 sequence, FP16: 3.087.007.744 bytes (2,8750 GiB)
32,768 tokens: 12.348.030.976 bytes (11,5000 GiB)

Abrir a calculadora com este modelo

Páginas relacionadas

Fontes

GLM-4.5 model card
config.json — revision cbb2c7cfb52fa128a9660cb1a7a78e017899e115
safetensors index — metadata.total_size=358337791296
Artifact repo unsloth/GLM-4.5-GGUF

Premissas que afetam o resultado

O contexto pedido cabe na janela nativa de 131072 tokens.
A estimativa residente usa o total de parâmetros, inclusive especialistas MoE inativos.
A contagem de parâmetros ativos é desconhecida ou não tem fonte independente. Parâmetros ativos descrevem o compute roteado, não a pegada residente completa.
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: Q4_K_M/GLM-4.5-Q4_K_M-00001-of-00005.gguf, Q4_K_M/GLM-4.5-Q4_K_M-00002-of-00005.gguf, Q4_K_M/GLM-4.5-Q4_K_M-00003-of-00005.gguf, Q4_K_M/GLM-4.5-Q4_K_M-00004-of-00005.gguf, Q4_K_M/GLM-4.5-Q4_K_M-00005-of-00005.gguf.
Há pesos MTP/draft; só entram se ativados.
O contexto é o número de tokens em cache por sequência (entrada mais geração reservada).

Calculadora

A carregar o snapshot do catálogo…

Escolha primeiro um modelo e depois confira o equipamento.

Modelo

Mostrar modelos históricos

Quantização

Tipo de dispositivo

Hardware

Carga

O comprimento de contexto afeta principalmente a memória do KV cache.

Configurações avançadas

Runtime

Engine e tipo de cache KV desta estimativa.

Motor de execuçãoTipo do cache KVDtype do estado recorrente / conv Incluir estimativas teóricas (especialista) Permitir substituto se o filtro não tiver correspondência

Carga

Cenário de overhead e o espaço de prefill.

Cenário de overhead em tempo de execução Incluir área de trabalho mais pesada no prefill

Topologia

Como o modelo é dividido entre dispositivos. A memória não é somada.

Forma de implantaçãoDivisão intra-réplicaQuantidade de dispositivos

O número de réplicas é avançado. A quantidade são nós ou GPUs, não réplicas.

Grupos de réplicasDispositivos por réplica

Orçamento

Reserva do sistema e margem de segurança. Um número vazio mantém o valor anterior.

Reserva para sistema / tela

GiB (2^30 bytes)

O orçamento já exclui a reserva do sistemaMargem extra de segurança

Bits efetivos por parâmetro (personalizado)Unidade de exibição

Modelo personalizado

Importe uma config ou digite a arquitetura. Nada é varrido até você importar.

Importar config.json local

O arquivo é lido só no navegador e não é enviado.

Repositório público do Hugging FaceRevisão

Só huggingface.co, só config.json, sem token. Repositório privado é recusado.

Parâmetros totaisParâmetros ativosCamadasHeads de consultaHeads KVDimensão do head

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.