// GLM / CogVideoX（智谱） · 视觉语言
cogvlm2-llama3-chat-19B 本地部署与显存需求
19.5B 参数。4 位量化约 17.8 GB，BF16 约 47.7 GB（1 个 8K token 请求）。
发布 2024-05-16许可：自定义许可，需阅读显存为估算值
01规格
| 发布方 | 智谱 Z.ai · zai-org |
|---|---|
| 系列 | GLM / CogVideoX（智谱） · cogvlm2-llama3 |
| 类型 | 视觉语言 (text-generation) |
| 参数量 | 19.5B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 8K tokens (8,192)取自 config.json 的 max_position_embeddings |
| 结构 | 32 层 · GQA |
| 发布权重 | BF16 · 39.0 GB下载量 |
| 许可 | cogvlm2 · 自定义许可，需阅读厂商使用自定义许可，本站未归类，请阅读许可原文。 |
| 发布日期 | 2024-05-16 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 最低显卡 | Mac |
|---|---|---|---|---|
| BF16 / FP16（原始精度） | 39.0 GB | 47.7 GB | 2 × RTX 5090（64GB） | Mac 128GB |
| FP8 / INT8 / Q8_0 | 20.7 GB | 27.6 GB | RTX 5090 32GB | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 11.8 GB | 17.8 GB | RTX 4090 24GB | Mac 36GB |
每个请求的 KV 缓存：8K 4.3 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- Transformers — 官方模型卡提及
04官方仓库与量化版
zai-org 官方发布的 2 个仓库。
- cogvlm2-llama3-chat-19B Instruct
- cogvlm2-llama3-chat-19B-int4 Instruct/INT4
05GLM / CogVideoX（智谱） 其他模型
全部 35 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| GLM-5.3 | 753.3B | 504 GB | 2026-08-25 |
| GLM-5.3-Flash | 320B / 18B | 214 GB | 2026-08-25 |
| GLM-5.2 | 753.3B | 504 GB | 2026-06-16 |
| SCAIL-2 | — | — | 2026-06-09 |
| GLM-5.1 | 753.9B | 504 GB | 2026-04-03 |
| GLM-5 | 744B / 40B | 497 GB | 2026-02-11 |
| GLM-OCR | 1.32B | 1.9 GB | 2026-01-30 |
| GLM-4.7-Flash | 31.2B / 3B | 21.8 GB | 2026-01-19 |
06来源
数据核对于 2024-09-03。参数、上下文、许可取自官方仓库；显存为本站估算。