GLM（智谱）

Z.ai（智谱 / 清华系公司）是 GLM 家族背后的力量，本页每款模型都带着同样的 MIT 许可——这份一贯的宽松姿态在带定制条款的竞品中相当突出。产品线共四款，跨两代：GLM-4（4.5 Air 和 4.7 Flash）和 GLM-5（5.1 和 5.2）。四款全是 MoE，所以激活参数比标题数字小得多，旗舰款上下文冲到 1M token。

以下 VRAM 估算采用 Q4 权重 + 8K 上下文 KV cache + 1 GB 开销。MoE 模型的 KV cache 按*激活*参数计算——这让 GLM-4.7-Flash 在长上下文下效率极高，虽然它存着 31.2B 参数。

尺寸梯度

• GLM-4.7-Flash（31.2B MoE，3B 激活，198K ctx）— Q4 ≈ 17.2 GB → 24GB 卡（RTX 3090/4090 档）；每 token 仅 3B 激活，使其成为本站最快的 GLM，性能区间与 Qwen 系流行的 A3B 设计相当。
• GLM-4.5-Air（110.5B MoE，12B 激活，128K ctx）— Q4 ≈ 60.8 GB → 刚好超出 48GB；Q4 需要 96GB 档卡，48GB 上 Q2（权重约 31 GB）。
• GLM-5.1（753.9B MoE，40B 激活，198K ctx）— Q4 ≈ 414.7 GB → 多卡服务器，约 5×96GB；GLM-5 代通用款，近 200K 上下文。
• GLM-5.2（753.3B MoE，40B 激活，1M ctx）— Q4 在 8K 下 ≈ 414.3 GB → 多卡级别与 5.1 相同，但 1M 上下文窗口意味着长文档 KV cache 会显著叠加——满窗口 Q4 大约要再加 100 GB。

家族亮点

• 精准瘦身的激活参数。 GLM-4.7-Flash 在 31.2B 总量中每 token 只激活 3B——这是 10:1 的比例，也是我们跟踪的最小激活量之一。在 24GB 卡上它能带着近 200K 上下文余量跑，因为 KV cache 几乎不涨。
• GLM-5：大模型，MIT 许可。 754B MoE 配 MIT 条款，不常见。同等尺寸的大多数家族用的都是定制或受限许可。GLM-5.1 和 5.2 真正允许免费商用、微调和再分发——瓶颈是硬件，不是法律。
• 上下文从 128K 跨到 1M。 GLM-4.5 在 128K，4.7 跳到 198K，GLM-5.2 冲到 1M。GLM-5.1 的 198K 对 RAG 和 agent 工作负载已很充裕，没有 1M 那种极端的缓存成本。
• GLM-4.5-Air 是过渡选项。 110.5B 总量 / 12B 激活，介于可携带的 4.7-Flash 和服务器级 5.x 旗舰之间。Q4 上 96GB 卡是它的自然归宿。

怎么选

• 12GB / 16GB 显存 — 4.7-Flash（Q4 ≈ 17.2 GB）和 4.5-Air 都装不下。GLM 是 24GB 起步的家族。
• 24GB 显存 — GLM-4.7-Flash Q4 是唯一选择，而且是个好选择：3B 激活速度、最长 198K 上下文、MIT 许可。这是单张消费卡跑 GLM 的现实答案。
• 48GB 显存 — 4.7-Flash 绰绰有余。4.5-Air Q2（约 31 GB 权重）能跑；Q4 还装不下。
• 96GB 显存 — GLM-4.5-Air Q4（约 60.8 GB）配 128K 上下文余量充裕。4.7-Flash 在此如履平地。
• 多卡（5×96GB+） — GLM-5.1 和 5.2 Q4。对 5.2 要特别多留 100+ GB 给完整的 1M 上下文窗口。

大多数单卡用户会落在 24GB 卡上跑 GLM-4.7-Flash：拿到家族的 MoE 速度、MIT 许可和宽容的 198K 上下文，占不到 18 GB。GLM-4.5-Air 是 96GB 机子的升级项；GLM-5 是纯数据中心范畴。

相关链接

• GLM-4.7-Flash — 适配与速度估算
• GLM-4.5-Air — 适配与速度估算
• 24GB 显卡最佳模型
• 本地跑得动的最佳 MoE 模型
• 指南：本地 LLM 到底需要多少 VRAM？
• 指南：LLM 量化详解