Titan V 12GB 能跑 GLM-5.2 吗？

NVIDIA · 12 GB HBM2 · 带宽 652.8 GB/s · Z.ai · 753.3B（激活 40B） · MoE · 模型上下文最长 1000K

CUDA

不能——GLM-5.2 在 Q4 下即使 4K 上下文也约需 419.31 GB，超出 Titan V 12GB 的 12 GB HBM2。只能靠重度 CPU/磁盘 offload 勉强运行。 FP16 约需 1515.6 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	419.31 GB	否	—
Q4	8K 默认	423.31 GB	否	—
Q4	32K	447.31 GB	否	—
FP16	4K	1511.6 GB	否	—
FP16	8K 默认	1515.6 GB	否	—
FP16	32K	1539.6 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	Titan V 12GB VRAM
Q4	414.31 GB	8.0 GB	1 GB	423.31 GB	12 GB
FP16	1506.6 GB	8.0 GB	1 GB	1515.6 GB	12 GB

其他能跑 GLM-5.2 的 GPU

• DGX Spark (GH200 480GB) — ≈8.0 tok/s Q4 估算

GLM-5.2 的全部 GPU →

Titan V 12GB 可跑的其他模型

• MiniCPM5-1B — ≈384.6 tok/s Q4 估算
• Qwen3.5-2B — ≈207.7 tok/s Q4 估算
• DeepSeek-R1-0528-Qwen3-8B-layer-mix-bpw-3.8-mlx — ≈180.6 tok/s Q4 估算
• Llama-3.2-3B-Instruct — ≈129.8 tok/s Q4 估算
• Qwen3-4B-Instruct-2507 — ≈103.9 tok/s Q4 估算
• NVIDIA-Nemotron-3-Nano-4B-BF16 — ≈103.9 tok/s Q4 估算
• Qwen3-4B-Thinking-2507 — ≈103.9 tok/s Q4 估算
• gemma-4-E2B-it — ≈81.5 tok/s Q4 估算

Titan V 12GB 上的全部模型 →