GLM 5.3 Flash をローカルに導入するには？
GLM 5.3 Flash は総パラメータ 320B、1 トークンあたり 18B が有効になる MoE モデルです。Q4 で全量を VRAM に置くには 202GB 必要ですが、エキスパートをシステム RAM に置けば VRAM 30GB + RAM 174GB で動きます。収まる最も安いデバイスは Mac Studio M3 Ultra 512GB ですが、価格のデータはまだなく、推定 19.3 tokens/s です。オフロード構成で最も安く動かせるのは Tesla V100 32GB で、推定 8 tokens/s です。
GLM 5.3 Flash のバージョン情報
GLM 5.3 Flash のローカル実行に必要なVRAMは？
MoE：総パラメータ 320B 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 18B 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 | 97.6GGUF | 98.6 | 166.1 | 436.1 |
| 2-bit | 108.7GGUF | 142.4 | 209.9 | 479.9 |
| 3-bit | 147.5GGUF | 176.8 | 244.3 | 514.3 |
| 4-bit | 199.7GGUF | 201.9 | 269.4 | 539.4 |
| 5-bit | 240.3GGUF | 239.4 | 306.9 | 576.9 |
| 8-bit | 341GGUF | 355.2 | 422.7 | 692.7 |
| FP16 | 641.6GGUF | 649.3 | 716.8 | 986.8 |
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 1M 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 5.3 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 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | —出品なし | 19.3 | 32K |
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 5.3 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（174 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 30 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 32GB | 32 | ¥175,227 | 174 | 7.7 |
 Arc Pro B70 | 32 | ¥318,510 | 174 | 6.1 |
 Radeon AI PRO R9700 | 32 | ¥344,592 | 174 | 6.4 |
| Ryzen AI Max+ 395 128GB | 128 | ¥600,971 | 174 | 4.3 |
| GeForce RTX 5090 | 32 | ¥1,150,208 | 174 | 8.5 |
| DGX Spark 128GB | 128 | ¥1,262,998 | 174 | 5.2 |
| Arc Pro B65 | 32 | — | 174 | 6.1 |
| GeForce RTX 4080 SUPER 32GB | 32 | — | 174 | 7.3 |
| GeForce RTX 5090 D | 32 | — | 174 | 8.5 |
| Instinct MI100 | 32 | — | 174 | 7.6 |
| Instinct MI50 32GB | 32 | — | 174 | 7.3 |
| Radeon PRO W7800 | 32 | — | 174 | 6.2 |
| RTX PRO 4500 Blackwell | 32 | — | 174 | 7.6 |
| A100 40GB PCIe | 40 | — | 174 | 8.4 |
| CMP 170HX 40GB | 40 | — | 174 | 8.4 |
| GeForce RTX 4090 48GB | 48 | — | 174 | 7.8 |
| Radeon PRO W7900 | 48 | — | 174 | 7 |
| RTX PRO 5000 Blackwell 48GB | 48 | — | 174 | 8.2 |
| CMP 170HX 64GB | 64 | — | 174 | 8.3 |
| Instinct MI210 | 64 | — | 174 | 8 |
| RTX PRO 5000 Blackwell 72GB | 72 | — | 174 | 8.2 |
| RTX PRO 6000D | 84 | — | 174 | 8.4 |
| RTX PRO 6000 Blackwell | 96 | — | 174 | 8.5 |
| Mac Studio M4 Max 128GB | 128 | — | 174 | 6.3 |
| Mac Studio M5 Max 128GB | 128 | — | 174 | 6.5 |
| MacBook Pro M4 Max 128GB | 128 | — | 174 | 6.3 |
| MacBook Pro M5 Max 128GB | 128 | — | 174 | 6.5 |
Ollama / llama.cpp / vLLM で GLM 5.3 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-5.3-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-5.3-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 5.3 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 5.3 Flash に約 202GB のVRAMが必要で、244GB あれば余裕があります。
GLM 5.3 Flash を動かせる最も安いGPUは？
Mac Studio M3 Ultra 512GB です。VRAM 512GB、推定 19.3 tokens/s。このデバイスの価格データはまだありません。
GLM 5.3 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。