GLM-4.5-Air

Z.ai · 110.5B（激活 12B） · MoE · ctx 128K · MIT · HuggingFace

GLM-4.5-Air（Z.ai）是 AI Hashrate 收录的110.5B 参数 MoE（每 token 激活 12B）开放权重模型。 按 8K 上下文估算：Q4 约需 64.18 GB VRAM（权重 60.78 GB + KV 2.4 GB + 开销 1 GB），FP16 约需 224.4 GB。 在该上下文假设下，目录中约有 10 款 GPU/加速器能在 Q4 下完整装下此模型。 Q4 最快配置：B200 192GB SXM ≈ 424.2 tok/s（估算）; MI300X 192GB ≈ 281.1 tok/s（估算）; H200 141GB SXM5 ≈ 254.5 tok/s（估算）; H100 80GB SXM5 ≈ 177.7 tok/s（估算）; Gaudi 3 128GB ≈ 173.7 tok/s（估算）。 下表给出各硬件的 VRAM 装机情况与每美元 tok/s（按 MSRP 标价）。估算基于显存带宽公式；有实测时以实测为准。详见方法论页。 方法论.

33 个硬件配置——按 tok/s 排序。默认装机上下文 8K。

硬件	VRAM	量化	tok/s	装得下？	tok/s/$
B200 192GB SXM	192	Q4	424.2 估算	是	0.011
MI300X 192GB	192	Q4	281.1 估算	是	0.019
H200 141GB SXM5	141	Q4	254.5 估算	是	0.007
B200 192GB SXM	192	FP16	244.0 估算	否	0.006
H100 80GB SXM5	80	Q4	177.7 估算	是	0.006
Gaudi 3 128GB	128	Q4	173.7 估算	是	0.014
MI300X 192GB	192	FP16	161.7 估算	否	0.011
A100 80GB SXM4	80	Q4	108.1 估算	是	0.007
RTX 6000 Ada 48GB	48	Q4	81.4 估算	否	0.012
H200 141GB SXM5	141	FP16	79.0 估算	否	0.002
L40S 48GB	48	Q4	73.2 估算	否	0.009
RTX 5090 32GB	32	Q4	67.5 估算	否	0.034
RTX A6000 48GB	48	Q4	65.1 估算	否	0.014
Gaudi 3 128GB	128	FP16	44.4 估算	否	0.004
Mac Studio M3 Ultra 96GB	96	Q4	43.4 估算	是	0.011
Mac Studio M2 Ultra 192GB	192	Q4	42.4 估算	是	0.006
Mac mini M4 Pro 64GB	64	Q4	41.1 估算	否	0.019
MacBook Pro M4 Max 128GB	128	Q4	28.0 实测	是	0.006
Mac Studio M2 Ultra 192GB	192	FP16	24.4 估算	否	0.003
RTX 4090 24GB	24	Q4	21.4 估算	否	0.013
RTX 4090D 24GB (China)	24	Q4	21.4 估算	否	0.013
RTX 3090 Ti 24GB	24	Q4	21.4 估算	否	0.011
MacBook Pro M3 Max 128GB	128	Q4	21.2 估算	是	0.005
RX 7900 XTX 24GB	24	Q4	20.3 估算	否	0.02
RTX 3090 24GB	24	Q4	19.8 估算	否	0.013
H100 80GB SXM5	80	FP16	17.7 估算	否	0.001
RX 7900 XT 20GB	20	Q4	11.8 估算	否	0.013
A100 80GB SXM4	80	FP16	10.8 估算	否	0.001
MacBook Pro M4 Max 128GB	128	FP16	7.4 估算	否	0.002
Mac Studio M3 Ultra 96GB	96	FP16	6.2 估算	否	0.002
MacBook Pro M3 Max 128GB	128	FP16	5.4 估算	否	0.001
Mac mini M4 32GB	32	Q4	4.5 估算	否	0.005
Mac mini M4 Pro 64GB	64	FP16	0.9 估算	否	0.0

装机核对

• RTX 5090 32GB — 装不下 · ≈67.5 tok/s Q4 估算
• RTX 3090 Ti 24GB — 装不下 · ≈21.4 tok/s Q4 估算
• RTX 4090 24GB — 装不下 · ≈21.4 tok/s Q4 估算
• RTX 6000 Ada 48GB — 装不下 · ≈81.4 tok/s Q4 估算
• RX 7900 XTX 24GB — 装不下 · ≈20.3 tok/s Q4 估算
• RTX 3090 24GB — 装不下 · ≈19.8 tok/s Q4 估算
• L40S 48GB — 装不下 · ≈73.2 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — 装得下 · ≈43.4 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — 装得下 · ≈42.4 tok/s Q4 估算
• RX 7900 XT 20GB — 装不下 · ≈11.8 tok/s Q4 估算

12 款热门零售 GPU；上表每行的「装得下？」结论同样链接到完整装机核对页。

同族模型：GLM（智谱）

GLM-4.7 GLM-4.7-Flash
GLM-5 GLM-5.1 · GLM-5.2

全部 GLM（智谱） 模型 →