GLM-4.7-Flash

在本地运行 GLM-4.7-Flash

在 Q4_K_M、4K 上下文下，GLM-4.7-Flash 约需 19.2 GB —— 权重 17.2 GB、KV 缓存 0.21 GB、激活缓冲 1.7 GB。本索引中能宽裕跑它的最小规格是 24 GB 显卡 —— 共 4 张，RTX 3090 起步；59 张卡中有 26 张可以。这些是计算值而非实测值：估算把「宽裕」的界线画在显存的 88%，大致就是桌面环境需要留出的余量。

上下文变长会多花多少

从 4K 提到 32K 约多占 1.44 GB，总量来到 20.8 GB。权重不随上下文变化，只有 KV 缓存会，而且是线性增长 —— 规划长文档场景时要盯的就是这个数字。该模型的原生上下文是 128K；在 Q4_K_M 下把它全部撑满约需 26 GB。

该下载哪个版本

本索引只收录了 GLM-4.7-Flash 的 GGUF 格式，共 2 个档位（Q4_K_M、Q8_0）。 该模型没有公开的逐档困惑度数据，因此质量一列留空而不是填估算值 —— 在同一个模型内部，位数越多越忠实是数据唯一支持的排序。本站硬件上没有该模型的吞吐实测数据。GGUF 可在 NVIDIA、AMD 与苹果芯片上通过 llama.cpp 和 Ollama 运行；AWQ 与 GPTQ 面向 CUDA 和 ROCm 上的 vLLM；EXL2 仅限 CUDA 上的 ExLlamaV2。

常见问题

GLM-4.7-Flash 需要多少显存？

在 Q4_K_M、4K 上下文、batch 1 下约 19.2 GB，到 32K 时约 20.8 GB。这个数字是权重加 KV 缓存再加 10% 激活缓冲，由模型架构计算得出，不是在显卡上实测的。

GLM-4.7-Flash 能在 24GB 显卡上跑吗？

可以 —— 在 Q4_K_M、4K 上下文下约需 19.2 GB，在 RTX 3090 上还剩 4.8 GB，本索引中 4 张 24 GB 显卡都一样。这是能宽裕跑它的最小规格；59 张中有 26 张可以。

GLM-4.7-Flash 该用哪个量化档位？

该模型没有公开的质量对比数据，所以按体积来选：Q4_K_M 是多数人使用的档位，bits-per-weight 越高越忠实。索引中的 2 个档位是 Q4_K_M、Q8_0。 注意这是 MoE 模型 —— 尽管每个 token 只激活一部分参数，全部参数仍需驻留显存，因此显存开销按总参数量算，而不是激活参数量。