GLM 4.7 Flash 本地部署需要多少显存？
看能跑的设备GLM 4.7 Flash 是 MoE 模型，总参数 30B，每 token 激活 3B。Q4 量化整机放显存需要 19GB；把专家放进系统内存后只需 4GB 显存 + 17GB 内存。当前最便宜能跑的显卡是 Radeon RX 7900 XT，二手约 ¥3,999，预估 113.7 tokens/s。卸载模式下最便宜能跑的显卡是 GeForce RTX 2080 Ti，预估 37 tokens/s。
GLM 4.7 Flash 版本信息
GLM 4.7 Flash 各量化与上下文的显存需求
8K 总显存MoE：总参数 30B 全部要驻留显存，速度按每 token 激活的 3B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|---|---|---|---|
| Q4_K_M | 18.3GGUF | 18.1 | 19.4 | 24.3 |
| Q5_K_M | 21.4GGUF | 21.7 | 22.9 | 27.9 |
| Q8_0 | 31.8GGUF | 32.5 | 33.7 | 38.7 |
| FP16 | 59.9GGUF | 60.1 | 61.3 | 66.3 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 198K 上下文上限的档位写「—」。
什么显卡能跑 GLM 4.7 Flash？
Q4_K_M · 8K 上下文 · 按闲鱼二手价升序| 设备 | 显存GB | 二手价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
 Radeon RX 7900 XT | 20 | ¥3,99918 条挂牌 | 113.7 | 32K |
 Arc Pro B60 | 24 | ¥5,2999 条挂牌 | 75 | 32K |
| Radeon RX 7900 XTX | 24 | ¥5,50018 条挂牌 | 125.1 | 32K |
 GeForce RTX 3090 | 24 | ¥8,0498 条挂牌 | 144.4 | 32K |
| Arc Pro B70 | 32 | ¥9,9997 条挂牌 | 90.9 | 128K |
| Radeon PRO W7800 | 32 | ¥10,1004 条挂牌 | 93.9 | 128K |
| CMP 170HX 40GB (改装) | 40 | ¥10,8004 条挂牌 | 173.8 | 128K |
| Radeon AI PRO R9700 | 32 | ¥11,9003 条挂牌 | 100.1 | 128K |
| CMP 170HX 64GB (改装) | 64 | ¥12,8504 条挂牌 | 171.4 | 128K |
| RTX PRO 4000 Blackwell | 24 | ¥15,80010 条挂牌 | 123.8 | 32K |
| Instinct MI210 | 64 | ¥18,50017 条挂牌 | 157.7 | 128K |
| Radeon PRO W7900 | 48 | ¥22,0005 条挂牌 | 118.5 | 128K |
| GeForce RTX 4090 | 24 | ¥22,8005 条挂牌 | 148.9 | 32K |
| GeForce RTX 5090 D V2 | 24 | ¥25,00016 条挂牌 | 165.6 | 32K |
| GeForce RTX 4090 48GB (改装) | 48 | ¥25,5003 条挂牌 | 148.9 | 128K |
| RTX PRO 4500 Blackwell | 32 | ¥25,8508 条挂牌 | 141.7 | 128K |
| GeForce RTX 5090 D | 32 | ¥30,9007 条挂牌 | 180.9 | 128K |
| A100 40GB PCIe | 40 | ¥38,5004 条挂牌 | 173.6 | 128K |
| GeForce RTX 5090 | 32 | ¥39,7504 条挂牌 | 180.9 | 128K |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥47,00011 条挂牌 | 165.6 | 128K |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥62,00011 条挂牌 | 165.6 | 128K |
| RTX PRO 6000D | 84 | ¥70,00019 条挂牌 | 174 | 128K |
| RTX PRO 6000 Blackwell | 96 | ¥118,50010 条挂牌 | 180.9 | 128K |
| Arc Pro B65 | 32 | —暂无挂牌 | 90.9 | 128K |
| GeForce RTX 4080 SUPER 32GB (改装) | 32 | —暂无挂牌 | 129.6 | 128K |
| Instinct MI100 | 32 | —暂无挂牌 | 140.5 | 128K |
| Tesla V100 32GB | 32 | —暂无挂牌 | 142 | 128K |
| DGX Spark 128GB | 128 | —暂无挂牌 | 71.3 | 128K |
| Mac Studio M4 Max 128GB | 128 | —暂无挂牌 | 96.3 | 128K |
| Mac Studio M5 Max 128GB | 128 | —暂无挂牌 | 103.4 | 128K |
| MacBook Pro M4 Max 128GB | 128 | —暂无挂牌 | 96.3 | 128K |
| MacBook Pro M5 Max 128GB | 128 | —暂无挂牌 | 103.4 | 128K |
| Ryzen AI Max+ 395 128GB | 128 | —暂无挂牌 | 52.7 | 128K |
| Mac Studio M3 Ultra 512GB | 512 | —暂无挂牌 | 121.1 | 128K |
判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。
把专家放进内存后还能跑 GLM 4.7 Flash 的显卡
专家权重放系统内存，需要 ≥ 17 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 4 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
| 设备 | 显存GB | 二手价 | 需内存GB | 预估 t/s |
|---|---|---|---|---|
| GeForce RTX 2080 Ti | 11 | ¥1,680 | 17 | 37 |
| Radeon RX 7800 XT | 16 | ¥2,600 | 17 | 36 |
| Radeon RX 9070 XT | 16 | ¥5,230 | 17 | 36.1 |
| GeForce RTX 4080 | 16 | ¥7,590 | 17 | 37.4 |
| GeForce RTX 5070 Ti | 16 | ¥8,644 | 17 | 37.9 |
| GeForce RTX 5080 | 16 | ¥11,500 | 17 | 38.1 |
| Tesla V100 16GB | 16 | — | 17 | 37.9 |
用 Ollama / llama.cpp / vLLM 启动 GLM 4.7 Flash
Ollama 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/GLM-4.7-Flash-GGUF:Q4_K_M -c 8192
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve zai-org/GLM-4.7-Flash
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
GLM 4.7 Flash 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 GLM 4.7 Flash 约需 19GB 显存，留到 24GB 更稳。
哪张显卡最便宜能跑 GLM 4.7 Flash？
Radeon RX 7900 XT，20GB 显存，当前二手中位价约 ¥3,999，预估 113.7 tokens/s。
GLM 4.7 Flash 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。