目录收录 4 个 GLM 模型（31.2B–753.9 参数）。下表为每个模型给出 Q4 / 8K 上下文下能完整装下它的最便宜零售 GPU 与最快零售 GPU，含解码 tok/s。装得下 = 权重 + KV cache + 1 GB 运行时开销不超过 95% VRAM——而非只看权重。 其中 2 个超出我们收录的所有零售 GPU，已在表中标注。 方法论.
| # | 模型 | 参数 | Q4/8K 需求 (GB) | 性价比 GPU（可装下） | 最快零售 GPU | 购买 |
|---|---|---|---|---|---|---|
| 1 | GLM-4.7-Flash | 31.2B MoE 激活 3B | 18.76 | RX 7900 XT 20GB ≈169.7 tok/s 估算 | RTX 5090 32GB ≈380.1 tok/s 估算 | 搜索 Amazon （返利链接） |
| 2 | GLM-4.5-Air | 110.5B MoE 激活 12B | 64.18 | Mac Studio M3 Ultra 96GB ≈43.4 tok/s 估算 | Mac Studio M3 Ultra 96GB ≈43.4 tok/s 估算 | 搜索 Amazon （返利链接） |
| 3 | GLM-5.2 | 753.3B MoE 激活 40B | 423.31 | 无零售 GPU 可装下 | — | — |
| 4 | GLM-5.1 | 753.9B MoE 激活 40B | 423.65 | 无零售 GPU 可装下 | — | — |