GLM-4.5-Air 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 69.53 GiB–71.36 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 Facezai-org/GLM-4.5-Air
Revisiona24ceef6ce4f3536971efe9b778bdaa1bab18daa
总参数量110,468,824,832
激活参数量未知 / 没有独立来源
层数46
查询头96
KV 头8 (gqa)
头维度128
已记录的上下文能力131,072
完整度complete · full

激活参数未知，或没有独立来源。激活参数描述的是 token 路由计算量，不是完整驻留权重体积。

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: 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

计入的文件

量化	计入的文件	字节	运行引擎	证据
BF16 safetensors bf16 计算器: BF16 safetensors	47 个 safetensors 分片选定字节合计：110,468,824,832 (102.88 GiB / 110.47 GB) 第一个分片：model-00001-of-00047.safetensors 最后一个分片：model-00047-of-00047.safetensors 查看全部 47 个分片文件 `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 计算器: 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 计算器: 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 计算器: 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 计算器: 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	没有已发布的文件	55,234,412,416 (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	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 理论行不是可下载的发布文件。	51.93 GiB–67.25 GiB	53.00 GiB–68.60 GiB	57.32 GiB–73.91 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（8），不是 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)

用这个模型打开计算器

数据来源

来源
来源 — revision a24ceef6ce4f3536971efe9b778bdaa1bab18daa
来源 — metadata.total_size=110468824832
来源

影响结论的假设

请求的上下文在记录的原生窗口 131072 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。
激活参数未知，或没有独立来源。激活参数描述的是 token 路由计算量，不是完整驻留权重体积。
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：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。
存在 MTP / draft 权重；未启用时不计入。
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）。

计算器

正在加载已发布的目录快照…

先选择模型，再检查设备。

模型

显示历史模型

量化

设备类型

硬件

工作负载

上下文长度主要影响 KV Cache 内存。

高级设置

运行时

这次估算使用的引擎和 KV 缓存类型。

运行引擎KV Cache 精度循环 / 卷积状态精度包含理论估算（专家）筛选无匹配时允许替代

工作负载

开销场景，以及是否计入预填充工作区。

运行时开销情景计入更重的预填充工作区

拓扑

模型如何切到多张设备上。各设备的显存不会相加。

部署方式组内切分设备数量

副本数是高级部署选项。数量指节点或 GPU，不是副本。

副本组数每个副本的设备数

预算

系统保留和安全余量。数字框清空时保留上一次的值。

系统 / 显示预留

GiB（2^30 字节）

预算已经扣除系统占用额外安全余量

自定义每参数有效 bit 数显示单位

自定义模型

导入配置或手填结构。点导入之前不会去扫描仓库。

导入本地 config.json

仅在浏览器中解析，不会上传文件。

公开的 Hugging Face 仓库Revision

只允许 huggingface.co 上的 config.json，不使用 token，不读取私有仓库。

总参数量激活参数量层数查询头KV 头头维度

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。