GLM 5.3 Flash 本地部署需要多少記憶體？
看能跑的裝置GLM 5.3 Flash 是 MoE 模型，總參數 320B，每 token 啟用 18B。Q4 量化整機放顯存需要 202GB；把專家放進系統記憶體後只需 30GB 顯存 + 174GB 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 19.3 tokens/s。卸載模式下最便宜能跑的顯示卡是 Arc Pro B70，預估 6 tokens/s。
GLM 5.3 Flash 版本資訊
GLM 5.3 Flash 各量化與上下文的記憶體需求
8K 總記憶體MoE：總參數 320B 全部要常駐記憶體，速度按每 token 啟用的 18B 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 | 178.4估 | 201.9 | 269.4 | 539.4 |
| Q5_K_M | 215.9估 | 239.4 | 306.9 | 576.9 |
| Q8_0 | 341GGUF | 355.2 | 422.7 | 692.7 |
| FP16 | 641.6GGUF | 649.3 | 716.8 | 986.8 |
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 Flash？
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 | 19.3 | 32K |
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 Flash 的顯示卡
專家權重放系統記憶體，需要 ≥ 174 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 30 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 |
|---|---|---|---|---|
 Arc Pro B70 | 32 | NT$47,002 | 174 | 6.1 |
 Radeon PRO W7800 | 32 | NT$47,477 | 174 | 6.2 |
 CMP 170HX 40GB (改裝) | 40 | NT$50,767 | 174 | 8.4 |
| Radeon AI PRO R9700 | 32 | NT$55,938 | 174 | 6.4 |
| CMP 170HX 64GB (改裝) | 64 | NT$60,403 | 174 | 8.3 |
| Instinct MI210 | 64 | NT$86,962 | 174 | 8 |
| Radeon PRO W7900 | 48 | NT$103,414 | 174 | 7 |
| GeForce RTX 4090 48GB (改裝) | 48 | NT$119,867 | 174 | 7.8 |
| RTX PRO 4500 Blackwell | 32 | NT$121,512 | 174 | 7.6 |
| GeForce RTX 5090 D | 32 | NT$145,250 | 174 | 8.5 |
| A100 40GB PCIe | 40 | NT$180,975 | 174 | 8.4 |
| GeForce RTX 5090 | 32 | NT$186,851 | 174 | 8.5 |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$220,931 | 174 | 8.2 |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$291,440 | 174 | 8.2 |
| RTX PRO 6000D | 84 | NT$329,046 | 174 | 8.4 |
| RTX PRO 6000 Blackwell | 96 | NT$557,027 | 174 | 8.5 |
| Arc Pro B65 | 32 | — | 174 | 6.1 |
| GeForce RTX 4080 SUPER 32GB (改裝) | 32 | — | 174 | 7.3 |
| Instinct MI100 | 32 | — | 174 | 7.6 |
| Tesla V100 32GB | 32 | — | 174 | 7.7 |
| DGX Spark 128GB | 128 | — | 174 | 5.2 |
| 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 |
| Ryzen AI Max+ 395 128GB | 128 | — | 174 | 4.3 |
用 Ollama / llama.cpp / vLLM 啟動 GLM 5.3 Flash
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-Flash-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-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 5.3 Flash 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 GLM 5.3 Flash 約需 202GB 記憶體，留到 244GB 更穩。
哪張顯示卡最便宜能跑 GLM 5.3 Flash？
Mac Studio M3 Ultra 512GB，512GB 記憶體，預估 19.3 tokens/s；這台裝置還沒有二手價資料。
GLM 5.3 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。