// GLM / CogVideoX（智谱） · 文本大模型
GLM-4.7-Flash 本地部署与显存需求
总 31.2B · 激活 3B（MoE） 参数。4 位量化约 21.8 GB，BF16 约 69.6 GB（1 个 8K token 请求）。
发布 2026-01-19许可：可商用显存为估算值
01规格
| 发布方 | 智谱 Z.ai · zai-org |
|---|---|
| 系列 | GLM / CogVideoX（智谱） · GLM-4.7-Flash |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 31.2B · 激活 3B（MoE） 来源：按官方 safetensors 权重统计激活参数取自模型卡: “GLM-4.7-Flash is a 30B-A3B MoE model.” |
| 上下文长度 | 198K tokens (202,752)取自 config.json 的 max_position_embeddings |
| 结构 | 47 层 · MLA · MoE |
| 发布权重 | BF16 · 62.4 GB下载量 |
| 许可 | MIT · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-01-19 （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 | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 62.4 GB | 69.6 GB | 71.0 GB | 76.3 GB | H100 80GB | Mac 128GB |
| FP8 / INT8 / Q8_0 | 33.2 GB | 37.4 GB | 38.8 GB | 44.1 GB | 2 × RTX 5090（64GB） | Mac 64GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 18.9 GB | 21.8 GB | 23.1 GB | 28.4 GB | RTX 5090 32GB | Mac 64GB |
每个请求的 KV 缓存：8K 0.4 GB · 32K 1.8 GB · 128K 7.1 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。
- vLLM — 官方模型卡提及
- SGLang — 官方模型卡提及
- Transformers — 官方模型卡提及
- Ollama — Ollama 官方模型库收录 · glm-4.7-flash
ollama run glm-4.7-flash04官方仓库与量化版
zai-org 官方发布的 1 个仓库。
- GLM-4.7-Flash main
05GLM / CogVideoX（智谱） 其他模型
全部 35 个 →06来源
数据核对于 2026-01-29。参数、上下文、许可取自官方仓库；显存为本站估算。