# GLM-4.7-Flash (30B-A3B)

> 地端世界 · https://onpremworld.com/zh-tw/models/glm-4.7-flash · 最後更新: 2026-10-16 · CC BY 4.0

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。

|  |  |
|---|---|
| 開發者 | Zhipu AI (Z.ai) |
| 參數量 | 30B (3B 啟用, MoE) |
| 原生上下文長度 | 202,752 tokens |
| 授權 | MIT |
| 可商用 | 可以 |
| KV 快取 | 壓縮式 KV（MLA），47 層 |
| 發布 | 2026-01 |

```
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 | 8K | 32K |
|---|---|---|---|
| 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 (8K)

| 硬體 | 記憶體 | 最佳量化 | tok/s（預估） |
|---|---|---|---|
| DGX Station (GB300) | 252 GB | FP16 | 312 |
| GeForce RTX 5090 | 32 GB | Q6_K | 252 |
| GeForce RTX 4090 | 24 GB | Q5_K_M | 199 |
| Radeon RX 7900 XTX | 24 GB | Q5_K_M | 193 |
| Radeon RX 7900 XT | 20 GB | Q4_K_M | 191 |
| GeForce RTX 3090 | 24 GB | Q5_K_M | 190 |
| RTX PRO 5000 48GB Blackwell | 48 GB | Q8_0 | 186 |
| RTX PRO 4500 Blackwell | 32 GB | Q6_K | 168 |
| RTX PRO 4000 Blackwell | 24 GB | Q5_K_M | 153 |
| RTX 6000 Ada Generation | 48 GB | Q8_0 | 148 |
| RTX PRO 6000 Blackwell Workstation Edition | 96 GB | FP16 | 147 |
| RTX PRO 6000 Blackwell Max-Q Workstation Edition | 96 GB | FP16 | 147 |
| Radeon AI PRO R9700 | 32 GB | Q6_K | 133 |
| Arc Pro B70 | 32 GB | Q6_K | 128 |
| RTX A6000 | 48 GB | Q8_0 | 126 |
| RTX PRO 5000 72GB Blackwell | 72 GB | FP16 | 119 |
| Arc Pro B60 | 24 GB | Q5_K_M | 115 |
| M5 Ultra | 512 GB | FP16 | 103 |
| M5 Max (18-core CPU / 32-core GPU) | 36 GB | Q6_K | 97 |
| M4 Max (14-core CPU / 32-core GPU) | 36 GB | Q6_K | 89 |
| M3 Ultra | 512 GB | FP16 | 75 |
| M5 Max (18-core CPU / 40-core GPU) | 128 GB | FP16 | 59 |
| M5 Pro | 64 GB | Q8_0 | 56 |
| M4 Max (16-core CPU / 40-core GPU) | 128 GB | FP16 | 53 |
| M4 Pro | 64 GB | Q8_0 | 50 |
| M6 (24GB/32GB configurations, 170 GB/s) | 32 GB | Q5_K_M | 47 |
| M5 | 32 GB | Q5_K_M | 43 |
| RTX Spark (N1X) laptops & compact desktops | 128 GB | FP16 | 28 |
| DGX Spark | 128 GB | FP16 | 26 |
| Ryzen AI Max+ PRO 495 (Gorgon Halo) systems | 192 GB | FP16 | 26 |
| Ryzen AI Max+ 395 (Strix Halo) systems | 128 GB | FP16 | 24 |
| GeForce RTX 3060 (12 GB) | 12 GB | 放不下 | – |
| GeForce RTX 4060 Ti 16GB | 16 GB | 放不下 | – |
| GeForce RTX 4080 SUPER | 16 GB | 放不下 | – |
| GeForce RTX 5060 Ti 16GB | 16 GB | 放不下 | – |
| GeForce RTX 5070 | 12 GB | 放不下 | – |
| GeForce RTX 5070 Ti | 16 GB | 放不下 | – |
| GeForce RTX 5080 | 16 GB | 放不下 | – |
| Radeon RX 9060 XT 16GB | 16 GB | 放不下 | – |
| Radeon RX 9070 XT | 16 GB | 放不下 | – |
| Arc B580 | 12 GB | 放不下 | – |
| M6 (16GB configuration, 153 GB/s) | 16 GB | 放不下 | – |

## 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）。

## 資料來源

- https://gigazine.net/gsc_news/en/20260120-zai-glm-4-7-flash
- https://huggingface.co/zai-org/GLM-4.7-Flash
- https://huggingface.co/zai-org/GLM-4.7-Flash/resolve/main/config.json
- https://huggingface.co/api/models/zai-org/GLM-4.7-Flash?expand[]=safetensors
- https://ollama.com/library/glm-4.7-flash/tags