GLM 4.7 Flash のローカル実行に必要なVRAMは？
動かせるデバイスを見るGLM 4.7 Flash は総パラメータ 30B、1 トークンあたり 3B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 19GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 4GB + RAM 17GB で動きます。収まる最も安いデバイスは Radeon RX 7900 XT ですが、中古価格のデータはまだなく、推定 113.7 tokens/s です。オフロード構成で最も安く動かせるのは GeForce RTX 2080 Ti で、推定 37 tokens/s です。
GLM 4.7 Flash のバージョン情報
GLM 4.7 Flash の量子化・コンテキスト別の必要VRAM
8K 時の合計MoE：総パラメータ 30B 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 3B 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 |
|---|---|---|---|---|
| Q4_K_M | 18.3GGUF | 18.1 | 19.4 | 24.3 |
| Q5_K_M | 21.4GGUF | 21.7 | 22.9 | 27.9 |
| Q8_0 | 31.8GGUF | 32.5 | 33.7 | 38.7 |
| FP16 | 59.9GGUF | 60.1 | 61.3 | 66.3 |
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 198K を超えるコンテキストは「—」と表示します。
GLM 4.7 Flash を動かせるGPUは？
Q4_K_M・8K コンテキスト・eBayの中古価格の安い順
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。
エキスパートを RAM に置けば GLM 4.7 Flash を動かせる GPU
エキスパート重みはシステム RAM に置き（17 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 4 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。
| デバイス | VRAMGB | 中古価格 | 必要 RAMGB | 推定 t/s |
|---|---|---|---|---|
 GeForce RTX 2080 Ti | 11 | — | 17 | 37 |
| GeForce RTX 4080 | 16 | — | 17 | 37.4 |
| GeForce RTX 5070 Ti | 16 | — | 17 | 37.9 |
| GeForce RTX 5080 | 16 | — | 17 | 38.1 |
 Radeon RX 7800 XT | 16 | — | 17 | 36 |
| Radeon RX 9070 XT | 16 | — | 17 | 36.1 |
| Tesla V100 16GB | 16 | — | 17 | 37.9 |
Ollama / llama.cpp / vLLM で GLM 4.7 Flash を起動する
Ollama ライブラリに公式タグはまだありません。
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-4.7-Flash-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-4.7-Flash
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 4.7 Flash 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 4.7 Flash に約 19GB のVRAMが必要で、24GB あれば余裕があります。
GLM 4.7 Flash を動かせる最も安いGPUは？
Radeon RX 7900 XT です。VRAM 20GB、推定 113.7 tokens/s。このデバイスの中古価格データはまだありません。
GLM 4.7 Flash は Ollama で動かせますか？
まだできません。Ollama ライブラリに公式タグがないため、llama.cpp で GGUF を読み込んでください。