GLM 4.5 Air をローカルに導入するには？
GLM 4.5 Air は総パラメータ 106B、1 トークンあたり 12B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 62GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 7GB + RAM 56GB で動きます。現在最も安く動かせるのは Ryzen AI Max+ 395 128GB（で約 ¥600,971）で、推定 15.9 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 16GB で、推定 12 tokens/s です。
GLM 4.5 Air のバージョン情報
GLM 4.5 Air のローカル実行に必要なVRAMは？
MoE：総パラメータ 106B すべてをメモリに常駐させる必要があり、速度は 1 トークンあたり有効な 12B で決まります。
| 量子化 | 重みサイズGB | 8K 時の合計GB | 32K 時の合計GB | 128K 時の合計GB |
|---|---|---|---|---|
| 1-bit | 40.1GGUF | 27.3 | 31.6 | 48.9 |
| 2-bit | 47.4GGUF | 41.8 | 46.1 | 63.4 |
| 3-bit | 54.8GGUF | 53.2 | 57.5 | 74.8 |
| 4-bit | 73GGUF | 61.5 | 65.8 | 83.1 |
| 5-bit | 83.5GGUF | 74 | 78.3 | 95.5 |
| 8-bit | 117.5GGUF | 112.3 | 116.6 | 133.9 |
| FP16 | 221GGUF | 209.7 | 214.1 | 231.3 |
合計 = 重み + KV キャッシュ（FP16）+ 実行時オーバーヘッド 1GB。GGUF と付いた重みはリポジトリの実測ファイルサイズ、「推定」はパラメータあたりのバイト数からの概算です。このモデルの上限 128K を超えるコンテキストは「—」と表示します。各段はリポジトリにあるそのビット幅のファイルを使い、unsloth 動的量子化を優先するため、ファイル名はモデルごとに異なります。
GLM 4.5 Air を動かせるGPUは？
AmazonJP
| デバイス | VRAMGB | 価格 | 推定 t/s | 推奨コンテキスト |
|---|---|---|---|---|
 Ryzen AI Max+ 395 128GB | 128 | ¥600,9716 件の出品 | 15.9 | 128K |
 DGX Spark 128GB | 128 | ¥1,262,9983 件の出品 | 23 | 128K |
| CMP 170HX 64GB | 64 | —出品なし | 89 | 8K |
| Instinct MI210 | 64 | —出品なし | 75.6 | 8K |
| RTX PRO 5000 Blackwell 72GB | 72 | —出品なし | 83.1 | 32K |
| RTX PRO 6000D | 84 | —出品なし | 91.9 | 128K |
| RTX PRO 6000 Blackwell | 96 | —出品なし | 99.7 | 128K |
| Mac Studio M4 Max 128GB | 128 | —出品なし | 34.3 | 128K |
| Mac Studio M5 Max 128GB | 128 | —出品なし | 37.9 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —出品なし | 34.3 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —出品なし | 37.9 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —出品なし | 48.1 | 128K |
判定基準：重み + KV キャッシュ + 実行時オーバーヘッド ≤ 利用可能メモリ、1 枚構成。MoE モデルの「オフロード」はエキスパート重みをシステム RAM に置けば動作することを示し（VRAM にはアテンション層と KV キャッシュのみ）、その速度は RAM 帯域幅 70 GB/s を前提に推定。コンテキスト列は収まる最大段階です。
GLM 4.5 Air のCPU・GPU併用推論におすすめのGPU
AmazonJP
エキスパート重みはシステム RAM に置き（56 GB 以上が必要）、VRAM にはアテンション層・共有エキスパート・KV キャッシュのみで Q4 なら最低 7 GB。速度は RAM 帯域幅（70 GB/s で推定）に縛られ、全量 VRAM 構成よりかなり遅くなります。
Ollama / llama.cpp / vLLM で GLM 4.5 Air をローカルに導入する
Ollama は 1 コマンドで取得して起動します。量子化は公式タグに従います。
ollama run glm4.5:air
llama.cpp は Hugging Face から GGUF を直接取得します。-c はコンテキスト長です。
llama-server -hf unsloth/GLM-4.5-Air-GGUF:Q4_K_M -c 8192
vLLM は元の精度の重みを読み込むため、GGUF よりはるかに多くのメモリ（通常は複数枚）が必要です。
vllm serve zai-org/GLM-4.5-Air
ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法
よくある質問
GLM 4.5 Air にはどれくらいのVRAMが必要ですか？
Q4_K_M・8K コンテキストでは GLM 4.5 Air に約 62GB のVRAMが必要で、76GB あれば余裕があります。
GLM 4.5 Air を動かせる最も安いGPUは？
Ryzen AI Max+ 395 128GB です。VRAM 128GB、現在の中央値は約 ¥600,971、推定 15.9 tokens/s。
GLM 4.5 Air は Ollama で動かせますか？
はい。ollama run glm4.5:air で動きます。