// GLM / CogVideoX（智谱） · 文本大模型
glm-4-9b-chat 本地部署与显存需求
9.4B 参数。4 位量化约 12.1 GB，BF16 约 26.6 GB（1 个 8K token 请求）。
发布 2024-06-04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） · glm-4 |
| 类型 | 文本大模型 |
| 参数量 | 9.4B 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 40 层 · GQA |
| 发布权重 | BF16 · 18.8 GB下载量 |
| 许可 | glm-4 · 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 | 2024-06-04 （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） | 18.8 GB | 26.6 GB | 42.7 GB | 107 GB | RTX 5090 32GB | Mac 64GB |
| FP8 / INT8 / Q8_0 | 10.0 GB | 16.9 GB | 33.0 GB | 97.4 GB | RTX 4090 24GB | Mac 36GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 5.7 GB | 12.1 GB | 28.2 GB | 92.7 GB | 16GB 显卡 | Mac 24GB |
每个请求的 KV 缓存：8K 5.4 GB · 32K 21.5 GB · 128K 85.9 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
- Transformers — 官方模型卡提及
- Ollama — Ollama 官方模型库收录 · glm4:9b
ollama run glm4:9b04官方仓库与量化版
zai-org 官方发布的 4 个仓库。
- glm-4-9b-chat Instruct
- glm-4-9b main
- glm-4-9b-chat-hf Instruct/HF-transformers
- glm-4-9b-hf HF-transformers
05GLM / CogVideoX（智谱） 其他模型
全部 35 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| glm-4-9b-chat-1m · 同系列 | 9.48B | 12.2 GB | 2024-06-04 |
| 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 2025-03-13。参数、上下文、许可取自官方仓库；显存为本站估算。