收錄顯卡45價格追蹤8 天自 2026年9月3日近 24h 價格資料6,955 筆24h 降價最多Mac Studio M4 Max 128GB-6.7%24h 漲價最多GeForce RTX 5070 Ti+21.0%更新於

GLM 4.7 Flash 如何本地部署？

VRAMGlass 編輯部 · 更新於 2026年9月10日

GLM 4.7 Flash 是 MoE 模型，總參數 30B，每 token 啟用 3B。Q4 量化整機放顯存需要 19GB；把專家放進系統記憶體後只需 4GB 顯存 + 17GB 記憶體。目前最便宜能跑的顯示卡是 GeForce RTX 2080 Ti 22GB，約 NT$12,166，預估 118.4 tokens/s。卸載模式下最便宜能跑的顯示卡是 Tesla V100 16GB，預估 38 tokens/s。

GLM 4.7 Flash 版本資訊

發布日期2026年1月19日
Hugging Face 倉庫zai-org/GLM-4.7-Flash
小版本—
授權MIT
架構MoE
GGUF 倉庫unsloth/GLM-4.7-Flash-GGUF
Ollama 標籤—
Q4 最低記憶體19 GB · Q4_K_M · 8K
專家卸載4 GB 顯存 + 17 GB 記憶體
參數量30B
MoE3B
層數47
隱藏維度2,048
KV 頭20
頭維度256
上下文上限198K
廠商Z.ai / Zhipu AI

GLM 4.7 Flash 本地部署需要多少顯示記憶體？

MoE：總參數 30B 全部要常駐記憶體，速度按每 token 啟用的 3B 計算。

量化權重體積GB8K 總記憶體GB32K 總記憶體GB128K 總記憶體GB
1-bit9.8GGUF8.59.714.7
2-bit11.9GGUF12.613.818.8
3-bit13.8GGUF15.81722
4-bit18.3GGUF18.119.424.3
5-bit21.4GGUF21.722.927.9
8-bit31.8GGUF32.533.738.7
FP1659.9GGUF60.161.366.3

總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 198K 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。

什麼顯示卡能跑 GLM 4.7 Flash？

閒魚
裝置顯存GB價預估 t/s建議上下文
GeForce RTX 2080 Ti 22GB22NT$12,1663 筆掛單118.432K
Instinct MI50 32GB32NT$12,7514 筆掛單129.1128K
Tesla V100 32GB32NT$14,97411 筆掛單142128K
Radeon RX 7900 XT20NT$20,11616 筆掛單113.732K
Arc Pro B6024NT$24,68310 筆掛單7532K
Radeon RX 7900 XTX24NT$27,14017 筆掛單125.132K
GeForce RTX 309024NT$37,90215 筆掛單144.432K
Arc Pro B7032NT$46,0906 筆掛單90.9128K
Radeon AI PRO R970032NT$51,7058 筆掛單100.1128K
CMP 170HX 40GB40NT$52,8754 筆掛單173.8128K
Radeon PRO W780032NT$58,0223 筆掛單93.9128K
CMP 170HX 64GB64NT$65,7438 筆掛單171.4128K
RTX PRO 4000 Blackwell24NT$73,23018 筆掛單123.832K
Instinct MI21064NT$86,56612 筆掛單157.7128K
Radeon PRO W790048NT$102,9435 筆掛單118.5128K
GeForce RTX 409024NT$109,96216 筆掛單148.932K
GeForce RTX 5090 D V224NT$111,83414 筆掛單165.632K
RTX PRO 4500 Blackwell32NT$120,95816 筆掛單141.7128K
GeForce RTX 4090 48GB48NT$124,4673 筆掛單148.9128K
A100 40GB PCIe40NT$144,8224 筆掛單173.6128K
Mac Studio M4 Max 128GB128NT$150,67113 筆掛單96.3128K
DGX Spark 128GB128NT$152,07531 筆掛單71.3128K
GeForce RTX 5090 D32NT$153,94713 筆掛單180.9128K
MacBook Pro M4 Max 128GB128NT$165,6454 筆掛單96.3128K
Mac Studio M5 Max 128GB128NT$185,0646 筆掛單103.4128K
GeForce RTX 509032NT$204,95013 筆掛單180.9128K
RTX PRO 5000 Blackwell 48GB48NT$218,98815 筆掛單165.6128K
MacBook Pro M5 Max 128GB128NT$256,4227 筆掛單103.4128K
RTX PRO 5000 Blackwell 72GB72NT$304,15017 筆掛單165.6128K
RTX PRO 6000D84NT$318,18817 筆掛單174128K
RTX PRO 6000 Blackwell96NT$579,7566 筆掛單180.9128K
Mac Studio M3 Ultra 512GB512NT$607,8326 筆掛單121.1128K
Arc Pro B6532—暫無掛單90.9128K
GeForce RTX 4080 SUPER 32GB32—暫無掛單129.6128K
Instinct MI10032—暫無掛單140.5128K
Ryzen AI Max+ 395 128GB128—暫無掛單52.7128K

判定口徑：權重 + KV cache + 執行開銷 ≤ 可用記憶體，單卡。MoE 模型標「卸載」表示把專家權重放進系統記憶體後能跑（顯存只放注意力層與 KV cache），速度按記憶體頻寬 70 GB/s 估算。上下文欄給的是能裝下的最大檔位。

GLM 4.7 Flash 混合推論推薦顯示卡

閒魚

專家權重放系統記憶體，需要 ≥ 17 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 4 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。

裝置顯存GB價需記憶體GB預估 t/s
Tesla V100 16GB16NT$4,1181737.9
Radeon RX 6950 XT16NT$14,0331735.7
Radeon RX 7800 XT16NT$14,5061736
GeForce RTX 5060 Ti 16GB16NT$21,9361736
Radeon RX 9070 XT16NT$28,5431736.1
GeForce RTX 507012NT$28,8941737.3
GeForce RTX 408016NT$36,2641737.4
GeForce RTX 5070 Ti16NT$46,3201737.9
GeForce RTX 508016NT$58,2561738.1

用 Ollama / llama.cpp / vLLM 本地部署 GLM 4.7 Flash

Ollama

Ollama 庫暫無官方標籤。

llama.cpp

llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。

llama-server -hf unsloth/GLM-4.7-Flash-GGUF:Q4_K_M -c 8192
vLLM

vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。

vllm serve zai-org/GLM-4.7-Flash

量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法

常見問題

GLM 4.7 Flash 需要多少記憶體？

在 Q4_K_M 量化、8K 上下文下 GLM 4.7 Flash 約需 19GB 記憶體，留到 24GB 更穩。

哪張顯示卡最便宜能跑 GLM 4.7 Flash？

GeForce RTX 2080 Ti 22GB，22GB 記憶體，目前中位價約 NT$12,166，預估 118.4 tokens/s。

GLM 4.7 Flash 能用 Ollama 跑嗎？

暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。