GLM 5.2 如何本地部署？
GLM 5.2 是 MoE 模型，總參數 744B，每 token 啟用 40B。Q4 量化整機放顯存需要 445GB；把專家放進系統記憶體後只需 41GB 顯存 + 406GB 記憶體。能裝下它的最便宜裝置是 Mac Studio M3 Ultra 512GB，暫無價資料，預估 11.5 tokens/s。卸載模式下最便宜能跑的顯示卡是 Ryzen AI Max+ 395 128GB，預估 2 tokens/s。
GLM 5.2 版本資訊
GLM 5.2 本地部署需要多少顯示記憶體？
MoE：總參數 744B 全部要常駐記憶體，速度按每 token 啟用的 40B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| 1-bit | 228.5GGUF | 204.9 | 292.6 | 643.6 |
| 2-bit | 253.9GGUF | 306.7 | 394.5 | 745.5 |
| 3-bit | 343GGUF | 386.7 | 474.5 | 825.5 |
| 4-bit | 465.8GGUF | 445 | 532.7 | 883.7 |
| 5-bit | 560.8GGUF | 532.3 | 620 | 971 |
| 8-bit | 801.4GGUF | 801.5 | 889.2 | 1,240.2 |
| FP16 | 1,508GGUF | 1,485.3 | 1,573.1 | 1,924.1 |
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 1M 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 5.2？
AmazonJP
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛單 | 11.5 | 8K |
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 5.2 混合推論推薦顯示卡
AmazonJP
專家權重放系統記憶體，需要 ≥ 406 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 41 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 |
|---|---|---|---|---|
 Ryzen AI Max+ 395 128GB | 128 | NT$123,134 | 406 | 2.2 |
 DGX Spark 128GB | 128 | NT$258,779 | 406 | 2.5 |
| GeForce RTX 4090 48GB | 48 | — | 406 | 3.3 |
| Radeon PRO W7900 | 48 | — | 406 | 3.1 |
| RTX PRO 5000 Blackwell 48GB | 48 | — | 406 | 3.4 |
| CMP 170HX 64GB | 64 | — | 406 | 3.4 |
| Instinct MI210 | 64 | — | 406 | 3.4 |
| RTX PRO 5000 Blackwell 72GB | 72 | — | 406 | 3.4 |
| RTX PRO 6000D | 84 | — | 406 | 3.4 |
| RTX PRO 6000 Blackwell | 96 | — | 406 | 3.5 |
| Mac Studio M4 Max 128GB | 128 | — | 406 | 2.9 |
| Mac Studio M5 Max 128GB | 128 | — | 406 | 2.9 |
| MacBook Pro M4 Max 128GB | 128 | — | 406 | 2.9 |
| MacBook Pro M5 Max 128GB | 128 | — | 406 | 2.9 |
用 Ollama / llama.cpp / vLLM 本地部署 GLM 5.2
Ollama 庫暫無官方標籤。
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/GLM-5.2-GGUF:Q4_K_M -c 8192
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-5.2
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 5.2 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 GLM 5.2 約需 445GB 記憶體，留到 536GB 更穩。
哪張顯示卡最便宜能跑 GLM 5.2？
Mac Studio M3 Ultra 512GB，512GB 記憶體，預估 11.5 tokens/s；這台裝置還沒有價資料。
GLM 5.2 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。