GLM-4-9B-0414 显存与内存需求
具体的模型版本，带来源的结构和权重文件信息。 GGUF Q4_K_M (Unsloth)：8,192 个 token 下约 6.18 GiB–6.69 GiB，1 条序列，FP16 KV，llama.cpp。
当前结果是估算，不是对应环境的实测。未核实有文件依据的权重
能跑的设备
发布方与出处
- 提供方Zhipu AI
- Hugging Face
zai-org/GLM-4-9B-0414 - Revision
645b8482494e31b6b752272bf7f7f273ef0f3caf - 总参数量9,400,279,040
- 层数40
- 查询头32
- KV 头2 (gqa)
- 头维度128
- 已记录的上下文能力32,768
- 完整度complete · full
这次估算里的内存分层
文件字节、原始 KV、引擎额外占用和总需求是分开的。这不是一次运行时轨迹。
- 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
计入的文件
| 量化 | 计入的文件 | 字节 | 运行引擎 | 证据 |
|---|---|---|---|---|
| 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 | 没有已发布的文件 | 4,700,139,520 (理论行不是可下载的发布文件。) | — | theoretical |
按量化与上下文查看显存
并发序列数为 1。KV 默认 FP16。区间包含所列引擎已记录的运行时额外占用。这些数字与交互式计算器使用同一套核心。
| 量化 | 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 理论行不是可下载的发布文件。 | 4.58 GiB–6.30 GiB | 4.81 GiB–6.60 GiB | 5.75 GiB–7.75 GiB |
KV Cache（原始数据）
标准 GQA/MHA 的原始 KV 为 2 × 层数 × kvHeads × headDim × token 数 × 序列数 × 每元素字节。本页使用 KV heads（2），不是 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)
相关页面
数据来源
影响结论的假设
- 请求的上下文在记录的原生窗口 32768 token 以内。
- 完整驻留权重估算使用总参数量，包括未激活的 MoE 专家。
- 权重字节只计入选定的权重文件，不会把仓库里所有量化版本加在一起。
- 下载文件大小不是峰值 GPU 内存。运行时布局、分配器填充和 KV 是额外占用。
- 计入的文件：GLM-4-9B-0414-Q4_K_M.gguf。
- 上下文预算是每个序列缓存的 token 数（输入加上预留的生成长度）。
- 并发序列共用一份模型副本；权重不会按序列数再乘一遍。
- 除非你改 KV 精度，否则 KV 的数据类型与权重量化无关。
计算器
正在加载已发布的目录快照…
搜索或选择目录中的模型，查看本地大模型的显存需求。
搜索或选择目录中的模型，查看本地大模型的显存需求。