GLM 5.2 如何本地部署？

VRAMGlass 编辑部 · 更新于 2026年9月10日

GLM 5.2 是 MoE 模型，总参数 744B，每 token 激活 40B。Q4 量化整机放显存需要 445GB；把专家放进系统内存后只需 41GB 显存 + 406GB 内存。当前最便宜能跑的显卡是 Mac Studio M3 Ultra 512GB，约 ¥129,900，预估 11.5 tokens/s。卸载模式下最便宜能跑的显卡是 CMP 170HX 64GB，预估 3 tokens/s。

GLM 5.2 版本信息

发布日期2026年6月16日

Hugging Face 仓库zai-org/GLM-5.2

小版本—

许可证MIT

架构MoE

GGUF 仓库unsloth/GLM-5.2-GGUF

Ollama 标签—

Q4 最低显存445 GB · Q4_K_M · 8K

专家卸载41 GB 显存 + 406 GB 内存

参数量744B

MoE40B

层数78

隐藏维度6,144

KV 头64

头维度192

上下文上限1M

厂商Z.ai / Zhipu AI

GLM 5.2 本地部署需要多少显存？

MoE：总参数 744B 全部要驻留显存，速度按每 token 激活的 40B 算。

量化	权重体积GB	8K 总显存GB	32K 总显存GB	128K 总显存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

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 1M 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。

什么显卡能跑 GLM 5.2？

闲鱼

设备	显存GB	价	预估 t/s	建议上下文
Mac Studio M3 Ultra 512GB	512	¥129,9006 条挂单	11.5	8K

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。

GLM 5.2 混合推理推荐显卡

闲鱼

专家权重放系统内存，需要 ≥ 406 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 41 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	价	需内存GB	预估 t/s
CMP 170HX 64GB	64	¥14,050	406	3.4
Instinct MI210	64	¥18,500	406	3.4
Radeon PRO W7900	48	¥22,000	406	3.1
GeForce RTX 4090 48GB	48	¥26,600	406	3.3
Mac Studio M4 Max 128GB	128	¥32,200	406	2.9
DGX Spark 128GB	128	¥32,500	406	2.5
MacBook Pro M4 Max 128GB	128	¥35,400	406	2.9
Mac Studio M5 Max 128GB	128	¥39,550	406	2.9
RTX PRO 5000 Blackwell 48GB	48	¥46,800	406	3.4
MacBook Pro M5 Max 128GB	128	¥54,800	406	2.9
RTX PRO 5000 Blackwell 72GB	72	¥65,000	406	3.4
RTX PRO 6000D	84	¥68,000	406	3.4
RTX PRO 6000 Blackwell	96	¥123,900	406	3.5
Ryzen AI Max+ 395 128GB	128	—	406	2.2

用 Ollama / llama.cpp / vLLM 本地部署 GLM 5.2

Ollama

Ollama 库暂无官方标签。

llama.cpp

llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。

llama-server -hf unsloth/GLM-5.2-GGUF:Q4_K_M -c 8192

vLLM

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-5.2

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 5.2 需要多少显存？

在 Q4_K_M 量化、8K 上下文下 GLM 5.2 约需 445GB 显存，留到 536GB 更稳。

哪张显卡最便宜能跑 GLM 5.2？

Mac Studio M3 Ultra 512GB，512GB 显存，当前中位价约 ¥129,900，预估 11.5 tokens/s。

GLM 5.2 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。