GLM-4.7-Flash (30B-A3B)
Zhipu AI (Z.ai) 的 GLM-4.7-Flash (30B-A3B)（30B 參數，MoE 每 token 啟用 3B）。以 Q4_K_M 量化、8K 上下文估算約需 18.7 GiB 記憶體。 Z.ai（智譜）的 30B MoE 模型，只啟用 3B，採壓縮式 KV 快取（MLA）與 MIT 授權；4-bit 量化放得進 20–24 GB 顯示卡。
最後更新: 2026-10-13
模型資訊
執行方式
ollama run glm-4.7-flash:q4_K_M
所需記憶體
模型權重＋KV 快取＋執行環境開銷，單位 GiB。量化越低越省記憶體，品質略降。
| 量化 | 4K 上下文 | 8K 上下文 | 32K 上下文 |
|---|---|---|---|
| Q4_K_M | 18.5 GiB | 18.7 GiB | 19.9 GiB |
| Q5_K_M | 21.6 GiB | 21.8 GiB | 23.0 GiB |
| Q6_K | 24.9 GiB | 25.1 GiB | 26.3 GiB |
| Q8_0 | 31.9 GiB | 32.1 GiB | 33.3 GiB |
| FP16 | 59.4 GiB | 59.6 GiB | 60.8 GiB |
哪些硬體跑得動
在 8K 上下文長度下，各硬體放得下的最佳量化版本。 此為估算值，並非實測。請參考估算方法說明。
常見問題
GLM-4.7-Flash (30B-A3B) 需要多少 VRAM／記憶體？
以 8K 上下文估算：Q4_K_M 量化約需 18.7 GiB，Q8_0 約需 32.1 GiB（含模型權重、KV 快取與執行環境開銷）。上下文越長，KV 快取越大。
GeForce RTX 4090 跑得動 GLM-4.7-Flash (30B-A3B) 嗎？
可以。GLM-4.7-Flash (30B-A3B) 在 GeForce RTX 4090（24 GB）上以 Q5_K_M 量化、8K 上下文約需 21.8 GiB，預估生成速度約每秒 199 個 token。
Mac 可以跑 GLM-4.7-Flash (30B-A3B) 嗎？
可以。GLM-4.7-Flash (30B-A3B) 在 M3 Ultra（96 GB）上以 FP16 量化、8K 上下文約需 59.6 GiB，預估生成速度約每秒 75 個 token。
GLM-4.7-Flash (30B-A3B) 可以商用嗎？
GLM-4.7-Flash (30B-A3B) 採用 MIT 授權。授權允許商業使用（請仍詳閱條款中的限制）。