RTX 4090 24GB 能跑 GLM-4.7-Flash 吗？

NVIDIA · 24 GB GDDR6X · 带宽 1008 GB/s · Z.ai · 31.2B（激活 3B） · MoE · 模型上下文最长 198K

能——RTX 4090 24GB（24 GB GDDR6X）可以运行 GLM-4.7-Flash。Q4、默认 8K 上下文下约需 18.76 GB VRAM（权重 17.16 GB + KV cache 0.6 GB + 运行时开销 1 GB），在 24 GB 之内。 Q4/8K 解码：≈ 213.8 tok/s（估算，batch 1）。 FP16 约需 64.0 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	18.46 GB	是	213.8 估算
Q4	8K 默认	18.76 GB	是	213.8 估算
Q4	32K	20.56 GB	是	213.8 估算
FP16	4K	63.7 GB	否	23.8 估算
FP16	8K 默认	64.0 GB	否	23.6 估算
FP16	32K	65.8 GB	否	22.4 估算

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	RTX 4090 24GB VRAM
Q4	17.16 GB	0.6 GB	1 GB	18.76 GB	24 GB
FP16	62.4 GB	0.6 GB	1 GB	64.0 GB	24 GB

其他能跑 GLM-4.7-Flash 的 GPU

• B200 192GB SXM — ≈1697.0 tok/s Q4 估算
• MI300X 192GB — ≈1124.2 tok/s Q4 估算
• H200 141GB SXM5 — ≈1018.2 tok/s Q4 估算
• H100 80GB SXM5 — ≈710.6 tok/s Q4 估算
• Gaudi 3 128GB — ≈694.9 tok/s Q4 估算
• A100 80GB SXM4 — ≈432.5 tok/s Q4 估算
• RTX 5090 32GB — ≈380.1 tok/s Q4 估算
• RTX 4090D 24GB (China) — ≈213.8 tok/s Q4 估算

GLM-4.7-Flash 的全部 GPU →

RTX 4090 24GB 可跑的其他模型

• MiniCPM5-1B — ≈593.9 tok/s Q4 估算
• Qwen3.5-2B — ≈320.7 tok/s Q4 估算
• gpt-oss-20b — ≈225.2 tok/s Q4 实测
• Qwen3-30B-A3B-Instruct-2507 — ≈213.8 tok/s Q4 估算
• Qwen3.5-35B-A3B — ≈213.8 tok/s Q4 估算
• Qwen3.6-35B-A3B — ≈213.8 tok/s Q4 估算
• Nemotron-3-Nano-Omni-30B-A3B-Reasoning-BF16 — ≈213.8 tok/s Q4 估算
• Ornith-1.0-35B — ≈213.8 tok/s Q4 估算

RTX 4090 24GB 上的全部模型 →