GLM-4.5 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 204.59 GiB–209.20 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

发布方与出处

提供方Zhipu AI
Hugging Facezai-org/GLM-4.5
Revisioncbb2c7cfb52fa128a9660cb1a7a78e017899e115
总参数量358,337,791,296
激活参数量未知 / 没有独立来源
层数92
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: 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

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	93 个 safetensors 分片选定字节合计：358,337,791,296 (333.73 GiB / 358.34 GB) 第一个分片：model-00001-of-00093.safetensors 最后一个分片：model-00093-of-00093.safetensors 查看全部 93 个分片文件 `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 计算器: GGUF Q4_K_M (Unsloth)	5 个 safetensors 分片选定字节合计：216,455,572,672 (201.59 GiB / 216.46 GB) 第一个分片：Q4_K_M/GLM-4.5-Q4_K_M-00001-of-00005.gguf 最后一个分片：Q4_K_M/GLM-4.5-Q4_K_M-00005-of-00005.gguf 查看全部 5 个分片文件 `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 计算器: GGUF Q5_K_M (Unsloth)	6 个 safetensors 分片选定字节合计：254,246,825,344 (236.79 GiB / 254.25 GB) 第一个分片：Q5_K_M/GLM-4.5-Q5_K_M-00001-of-00006.gguf 最后一个分片：Q5_K_M/GLM-4.5-Q5_K_M-00006-of-00006.gguf 查看全部 6 个分片文件 `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 计算器: GGUF Q6_K (Unsloth)	6 个 safetensors 分片选定字节合计：294,371,691,840 (274.16 GiB / 294.37 GB) 第一个分片：Q6_K/GLM-4.5-Q6_K-00001-of-00006.gguf 最后一个分片：Q6_K/GLM-4.5-Q6_K-00006-of-00006.gguf 查看全部 6 个分片文件 `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 计算器: GGUF Q8_0 (Unsloth)	8 个 safetensors 分片选定字节合计：380,966,784,608 (354.80 GiB / 380.97 GB) 第一个分片：Q8_0/GLM-4.5-Q8_0-00001-of-00008.gguf 最后一个分片：Q8_0/GLM-4.5-Q8_0-00008-of-00008.gguf 查看全部 8 个分片文件 `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	没有已发布的文件	179,168,895,648 (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	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 理论行不是可下载的发布文件。	167.71 GiB–216.34 GiB	169.86 GiB–219.03 GiB	178.49 GiB–229.65 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: 3,087,007,744 bytes (2.8750 GiB)
32,768 tokens: 12,348,030,976 bytes (11.5000 GiB)

用这个模型打开计算器

数据来源

来源
来源 — revision cbb2c7cfb52fa128a9660cb1a7a78e017899e115
来源 — metadata.total_size=358337791296
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-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。
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。