GLM 5.3 本地部署需要多少記憶體？
看能跑的裝置GLM 5.3 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，暫無二手價資料，預估 11.5 tokens/s。卸載模式下最便宜能跑的顯示卡是 CMP 170HX 64GB (改裝)，預估 3 tokens/s。
GLM 5.3 版本資訊
GLM 5.3 各量化與上下文的記憶體需求
8K 總記憶體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 |
|---|---|---|---|---|
| Q4_K_M | 414.7估 | 445 | 532.7 | 883.7 |
| Q5_K_M | 502估 | 532.3 | 620 | 971 |
| Q8_0 | 771.2估 | 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「—」。
什麼顯示卡能跑 GLM 5.3？
Q4_K_M · 8K 上下文 · 依閒魚二手價升序| 裝置 | 顯存GB | 二手價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | —暫無掛牌 | 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。
把專家放進記憶體後還能跑 GLM 5.3 的顯示卡
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 | 二手價 | 需記憶體GB | 預估 t/s |
|---|---|---|---|---|
 CMP 170HX 64GB (改裝) | 64 | NT$60,403 | 406 | 3.4 |
 Instinct MI210 | 64 | NT$86,962 | 406 | 3.4 |
| Radeon PRO W7900 | 48 | NT$103,414 | 406 | 3.1 |
| GeForce RTX 4090 48GB (改裝) | 48 | NT$119,867 | 406 | 3.3 |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$220,931 | 406 | 3.4 |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$291,440 | 406 | 3.4 |
| RTX PRO 6000D | 84 | NT$329,046 | 406 | 3.4 |
| RTX PRO 6000 Blackwell | 96 | NT$557,027 | 406 | 3.5 |
| DGX Spark 128GB | 128 | — | 406 | 2.5 |
| 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 |
| Ryzen AI Max+ 395 128GB | 128 | — | 406 | 2.2 |
用 Ollama / llama.cpp / vLLM 啟動 GLM 5.3
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-5.3-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-5.3
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 5.3 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 GLM 5.3 約需 445GB 記憶體，留到 536GB 更穩。
哪張顯示卡最便宜能跑 GLM 5.3？
Mac Studio M3 Ultra 512GB，512GB 記憶體，預估 11.5 tokens/s；這台裝置還沒有二手價資料。
GLM 5.3 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。