GLM 5.3 Flash 如何本地部署？
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。目前最便宜能跑的顯示卡是 Mac Studio M3 Ultra 512GB，約 NT$607,832，預估 19.3 tokens/s。卸載模式下最便宜能跑的顯示卡是 Instinct MI50 32GB，預估 7 tokens/s。
GLM 5.3 Flash 版本資訊
GLM 5.3 Flash 本地部署需要多少顯示記憶體？
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 |
|---|---|---|---|---|
| 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 |
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 5.3 Flash？
閒魚
| 裝置 | 顯存GB | 價 | 預估 t/s | 建議上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | NT$607,8326 筆掛單 | 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。
GLM 5.3 Flash 混合推論推薦顯示卡
閒魚
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 | 價 | 需記憶體GB | 預估 t/s |
|---|---|---|---|---|
 Instinct MI50 32GB | 32 | NT$12,751 | 174 | 7.3 |
 Tesla V100 32GB | 32 | NT$14,974 | 174 | 7.7 |
 Arc Pro B70 | 32 | NT$46,090 | 174 | 6.1 |
| Radeon AI PRO R9700 | 32 | NT$51,705 | 174 | 6.4 |
| CMP 170HX 40GB | 40 | NT$52,875 | 174 | 8.4 |
| Radeon PRO W7800 | 32 | NT$58,022 | 174 | 6.2 |
| CMP 170HX 64GB | 64 | NT$65,743 | 174 | 8.3 |
| Instinct MI210 | 64 | NT$86,566 | 174 | 8 |
| Radeon PRO W7900 | 48 | NT$102,943 | 174 | 7 |
| RTX PRO 4500 Blackwell | 32 | NT$120,958 | 174 | 7.6 |
| GeForce RTX 4090 48GB | 48 | NT$124,467 | 174 | 7.8 |
| A100 40GB PCIe | 40 | NT$144,822 | 174 | 8.4 |
| Mac Studio M4 Max 128GB | 128 | NT$150,671 | 174 | 6.3 |
| DGX Spark 128GB | 128 | NT$152,075 | 174 | 5.2 |
| GeForce RTX 5090 D | 32 | NT$153,947 | 174 | 8.5 |
| MacBook Pro M4 Max 128GB | 128 | NT$165,645 | 174 | 6.3 |
| Mac Studio M5 Max 128GB | 128 | NT$185,064 | 174 | 6.5 |
| GeForce RTX 5090 | 32 | NT$204,950 | 174 | 8.5 |
| RTX PRO 5000 Blackwell 48GB | 48 | NT$218,988 | 174 | 8.2 |
| MacBook Pro M5 Max 128GB | 128 | NT$256,422 | 174 | 6.5 |
| RTX PRO 5000 Blackwell 72GB | 72 | NT$304,150 | 174 | 8.2 |
| RTX PRO 6000D | 84 | NT$318,188 | 174 | 8.4 |
| RTX PRO 6000 Blackwell | 96 | NT$579,756 | 174 | 8.5 |
| Arc Pro B65 | 32 | — | 174 | 6.1 |
| GeForce RTX 4080 SUPER 32GB | 32 | — | 174 | 7.3 |
| Instinct MI100 | 32 | — | 174 | 7.6 |
| Ryzen AI Max+ 395 128GB | 128 | — | 174 | 4.3 |
用 Ollama / llama.cpp / vLLM 本地部署 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，目前中位價約 NT$607,832，預估 19.3 tokens/s。
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。