GLM 5.3 如何本地部署？
GLM 5.3 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 ¥147,961，预估 11.5 tokens/s。卸载模式下最便宜能跑的显卡是 Radeon PRO W7900，预估 3 tokens/s。
GLM 5.3 版本信息
GLM 5.3 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 | 467.3GGUF | 445 | 532.7 | 883.7 |
| 5-bit | 562.5GGUF | 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 5.3？
eBay
| 设备 | 显存GB | 价 | 预估 t/s | 建议上下文 |
|---|---|---|---|---|
| Mac Studio M3 Ultra 512GB | 512 | ¥147,96111 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 5.3 混合推理推荐显卡
eBay
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 |
|---|---|---|---|---|
 Radeon PRO W7900 | 48 | ¥23,506 | 406 | 3.1 |
| Instinct MI210 | 64 | ¥33,937 | 406 | 3.4 |
| MacBook Pro M4 Max 128GB | 128 | ¥37,320 | 406 | 2.9 |
| Mac Studio M4 Max 128GB | 128 | ¥44,032 | 406 | 2.9 |
| MacBook Pro M5 Max 128GB | 128 | ¥48,760 | 406 | 2.9 |
 RTX PRO 6000 Blackwell | 96 | ¥114,233 | 406 | 3.5 |
| GeForce RTX 4090 48GB | 48 | — | 406 | 3.3 |
| RTX PRO 5000 Blackwell 48GB | 48 | — | 406 | 3.4 |
| CMP 170HX 64GB | 64 | — | 406 | 3.4 |
| RTX PRO 5000 Blackwell 72GB | 72 | — | 406 | 3.4 |
| RTX PRO 6000D | 84 | — | 406 | 3.4 |
| DGX Spark 128GB | 128 | — | 406 | 2.5 |
| Mac Studio M5 Max 128GB | 128 | — | 406 | 2.9 |
| Ryzen AI Max+ 395 128GB | 128 | — | 406 | 2.2 |
用 Ollama / llama.cpp / vLLM 本地部署 GLM 5.3
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-5.3-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-5.3
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 5.3 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 GLM 5.3 约需 445GB 显存，留到 536GB 更稳。
哪张显卡最便宜能跑 GLM 5.3？
Mac Studio M3 Ultra 512GB，512GB 显存，当前中位价约 ¥147,961，预估 11.5 tokens/s。
GLM 5.3 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。