GLM 4.7 Flash をローカルに導入するには？
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。現在最も安く動かせるのは Tesla V100 32GB（で約 ¥175,227）で、推定 142 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 38 tokens/s です。
GLM 4.7 Flash のバージョン情報
GLM 4.7 Flash のローカル実行に必要なVRAMは？
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 |
|---|---|---|---|---|
| 1-bit | 9.8GGUF | 8.5 | 9.7 | 14.7 |
| 2-bit | 11.9GGUF | 12.6 | 13.8 | 18.8 |
| 3-bit | 13.8GGUF | 15.8 | 17 | 22 |
| 4-bit | 18.3GGUF | 18.1 | 19.4 | 24.3 |
| 5-bit | 21.4GGUF | 21.7 | 22.9 | 27.9 |
| 8-bit | 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。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 4.7 Flash 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 |
|---|---|---|---|---|
 Tesla V100 32GB | 32 | ¥175,2273 件の出品 | 142 | 128K |
 Arc Pro B60 | 24 | ¥178,8003 件の出品 | 75 | 32K |
 Radeon RX 7900 XT | 20 | ¥191,0009 件の出品 | 113.7 | 32K |
| Radeon RX 7900 XTX | 24 | ¥266,8809 件の出品 | 125.1 | 32K |
| Arc Pro B70 | 32 | ¥318,5103 件の出品 | 90.9 | 128K |
| Radeon AI PRO R9700 | 32 | ¥344,5926 件の出品 | 100.1 | 128K |
| GeForce RTX 3090 | 24 | ¥387,0879 件の出品 | 144.4 | 32K |
| Ryzen AI Max+ 395 128GB | 128 | ¥600,9716 件の出品 | 52.7 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥607,5425 件の出品 | 123.8 | 32K |
| GeForce RTX 4090 | 24 | ¥753,3249 件の出品 | 148.9 | 32K |
| GeForce RTX 5090 | 32 | ¥1,150,2089 件の出品 | 180.9 | 128K |
| DGX Spark 128GB | 128 | ¥1,262,9983 件の出品 | 71.3 | 128K |
| GeForce RTX 2080 Ti 22GB | 22 | —出品なし | 118.4 | 32K |
| GeForce RTX 5090 D V2 | 24 | —出品なし | 165.6 | 32K |
| Arc Pro B65 | 32 | —出品なし | 90.9 | 128K |
| GeForce RTX 4080 SUPER 32GB | 32 | —出品なし | 129.6 | 128K |
| GeForce RTX 5090 D | 32 | —出品なし | 180.9 | 128K |
| Instinct MI100 | 32 | —出品なし | 140.5 | 128K |
| Instinct MI50 32GB | 32 | —出品なし | 129.1 | 128K |
| Radeon PRO W7800 | 32 | —出品なし | 93.9 | 128K |
| RTX PRO 4500 Blackwell | 32 | —出品なし | 141.7 | 128K |
| A100 40GB PCIe | 40 | —出品なし | 173.6 | 128K |
| CMP 170HX 40GB | 40 | —出品なし | 173.8 | 128K |
| GeForce RTX 4090 48GB | 48 | —出品なし | 148.9 | 128K |
| Radeon PRO W7900 | 48 | —出品なし | 118.5 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | —出品なし | 165.6 | 128K |
| CMP 170HX 64GB | 64 | —出品なし | 171.4 | 128K |
| Instinct MI210 | 64 | —出品なし | 157.7 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | —出品なし | 165.6 | 128K |
| RTX PRO 6000D | 84 | —出品なし | 174 | 128K |
| RTX PRO 6000 Blackwell | 96 | —出品なし | 180.9 | 128K |
| Mac Studio M4 Max 128GB | 128 | —出品なし | 96.3 | 128K |
| Mac Studio M5 Max 128GB | 128 | —出品なし | 103.4 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —出品なし | 96.3 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —出品なし | 103.4 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —出品なし | 121.1 | 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 4.7 Flash 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（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 | 価格 | 必要 RAMGB | 推定 t/s |
|---|---|---|---|---|
| Tesla V100 16GB | 16 | ¥101,219 | 17 | 37.9 |
| Radeon RX 9070 XT | 16 | ¥135,853 | 17 | 36.1 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥141,980 | 17 | 36 |
| GeForce RTX 5070 | 12 | ¥146,804 | 17 | 37.3 |
| Radeon RX 7800 XT | 16 | ¥148,396 | 17 | 36 |
| Radeon RX 6950 XT | 16 | ¥215,642 | 17 | 35.7 |
| GeForce RTX 5070 Ti | 16 | ¥242,081 | 17 | 37.9 |
| GeForce RTX 5080 | 16 | ¥286,844 | 17 | 38.1 |
| GeForce RTX 4080 | 16 | ¥335,932 | 17 | 37.4 |
Ollama / llama.cpp / vLLM で GLM 4.7 Flash をローカルに導入する
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？
Tesla V100 32GB です。VRAM 32GB、現在の中央値は約 ¥175,227、推定 142 tokens/s。
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。