B200 192GB SXM 能跑 GLM-5.1 吗？

NVIDIA · 192 GB HBM3e · 带宽 8000 GB/s · Z.ai · 753.9B（激活 40B） · MoE · 模型上下文最长 198K

不能——GLM-5.1 在 Q4 下即使 4K 上下文也约需 419.65 GB，超出 B200 192GB SXM 的 192 GB HBM3e。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 74.7 tok/s（估算，batch 1）。 FP16 约需 1516.8 GB——此卡装不下。 估算来自显存带宽公式；标注「实测」的行覆盖估算。相对排名比绝对 tok/s 更可靠。 方法论.

各量化与上下文下的装机与速度

量化	上下文	所需 VRAM	装得下？	tok/s（解码）
Q4	4K	419.65 GB	否	76.1 估算
Q4	8K 默认	423.65 GB	否	74.7 估算
Q4	32K	447.65 GB	否	66.9 估算
FP16	4K	1512.8 GB	否	—
FP16	8K 默认	1516.8 GB	否	—
FP16	32K	1540.8 GB	否	—

装得下 = 权重 + KV(上下文) + 1 GB 开销 ≤ 95% VRAM。实测锚点与上下文无关；装机结论按上下文分别计算。tok/s 缺失表示模型远超此卡能力（只能纯 offload）。

8K 上下文 VRAM 明细

量化	权重	KV cache	开销	合计所需	B200 192GB SXM VRAM
Q4	414.65 GB	8.0 GB	1 GB	423.65 GB	192 GB
FP16	1507.8 GB	8.0 GB	1 GB	1516.8 GB	192 GB

其他能跑 GLM-5.1 的 GPU

目录中没有 GPU 能在 Q4/8K 下完整装下 GLM-5.1——offload 估算见模型页。 模型页

GLM-5.1 的全部 GPU →

B200 192GB SXM 可跑的其他模型

• MiniCPM5-1B — ≈4713.8 tok/s Q4 估算
• Qwen3.5-2B — ≈2545.5 tok/s Q4 估算
• GLM-4.7-Flash — ≈1697.0 tok/s Q4 估算
• Qwen3-30B-A3B-Instruct-2507 — ≈1697.0 tok/s Q4 估算
• Qwen3-Next-80B-A3B-Instruct — ≈1697.0 tok/s Q4 估算
• Qwen3-Coder-Next — ≈1697.0 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈1697.0 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈1697.0 tok/s Q4 估算

B200 192GB SXM 上的全部模型 →