RTX 4090D 24GB (China) 能跑 GLM-4.5-Air 吗？

NVIDIA · 24 GB GDDR6X · 带宽 1008 GB/s · Z.ai · 110.5B（激活 12B） · MoE · 模型上下文最长 128K

不能——GLM-4.5-Air 在 Q4 下即使 4K 上下文也约需 62.98 GB，超出 RTX 4090D 24GB (China) 的 24 GB GDDR6X。只能靠重度 CPU/磁盘 offload 勉强运行。 Q4/8K 解码：≈ 21.4 tok/s（估算，batch 1）。 FP16 约需 224.4 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	62.98 GB	否	22.2 估算
Q4	8K 默认	64.18 GB	否	21.4 估算
Q4	32K	71.38 GB	否	17.3 估算
FP16	4K	223.2 GB	否	—
FP16	8K 默认	224.4 GB	否	—
FP16	32K	231.6 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	RTX 4090D 24GB (China) VRAM
Q4	60.78 GB	2.4 GB	1 GB	64.18 GB	24 GB
FP16	221.0 GB	2.4 GB	1 GB	224.4 GB	24 GB

其他能跑 GLM-4.5-Air 的 GPU

• B200 192GB SXM — ≈424.2 tok/s Q4 估算
• MI300X 192GB — ≈281.1 tok/s Q4 估算
• H200 141GB SXM5 — ≈254.5 tok/s Q4 估算
• H100 80GB SXM5 — ≈177.7 tok/s Q4 估算
• Gaudi 3 128GB — ≈173.7 tok/s Q4 估算
• A100 80GB SXM4 — ≈108.1 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — ≈43.4 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — ≈42.4 tok/s Q4 估算

GLM-4.5-Air 的全部 GPU →

RTX 4090D 24GB (China) 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
• GLM-4.7-Flash — ≈213.8 tok/s Q4 估算
• 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 4090D 24GB (China) 上的全部模型 →