GLM-4.7-Flash

Z.ai · 31.2B（激活 3B） · MoE · ctx 198K · MIT · HuggingFace

GLM-4.7-Flash（Z.ai）是 AI Hashrate 收录的31.2B 参数 MoE（每 token 激活 3B）开放权重模型。 按 8K 上下文估算：Q4 约需 18.76 GB VRAM（权重 17.16 GB + KV 0.6 GB + 开销 1 GB），FP16 约需 64.0 GB。 在该上下文假设下，目录中约有 22 款 GPU/加速器能在 Q4 下完整装下此模型。 Q4 最快配置：B200 192GB SXM ≈ 1697.0 tok/s（估算）; MI300X 192GB ≈ 1124.2 tok/s（估算）; H200 141GB SXM5 ≈ 1018.2 tok/s（估算）; H100 80GB SXM5 ≈ 710.6 tok/s（估算）; Gaudi 3 128GB ≈ 694.9 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.

85 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	1697.0 估算	是	0.042
MI300X 192GB	192	Q4	1124.2 估算	是	0.075
H200 141GB SXM5	141	Q4	1018.2 估算	是	0.029
H100 80GB SXM5	80	Q4	710.6 估算	是	0.024
Gaudi 3 128GB	128	Q4	694.9 估算	是	0.056
B200 192GB SXM	192	FP16	466.7 估算	是	0.012
A100 80GB SXM4	80	Q4	432.5 估算	是	0.029
RTX 5080 16GB	16	Q4	423.2 估算	否	0.424
RTX 5070 Ti 16GB	16	Q4	395.0 估算	否	0.527
RTX 5090 32GB	32	Q4	380.1 估算	是	0.19
RTX 4080 Super 16GB	16	Q4	324.5 估算	否	0.325
MI300X 192GB	192	FP16	309.2 估算	是	0.021
RTX 4070 Ti Super 16GB	16	Q4	296.3 估算	否	0.371
RX 9070 16GB	16	Q4	282.1 估算	否	0.514
RX 9070 XT 16GB	16	Q4	282.1 估算	否	0.471
H200 141GB SXM5	141	FP16	280.0 估算	是	0.008
RX 7800 XT 16GB	16	Q4	275.1 估算	否	0.551
RX 7900 GRE 16GB	16	Q4	253.9 估算	否	0.462
Arc A770 16GB	16	Q4	246.9 估算	否	0.707
RTX 4090 24GB	24	Q4	213.8 估算	是	0.134
RTX 4090D 24GB (China)	24	Q4	213.8 估算	是	0.134
RTX 3090 Ti 24GB	24	Q4	213.8 估算	是	0.107
RX 7900 XTX 24GB	24	Q4	203.6 估算	是	0.204
RTX 6000 Ada 48GB	48	Q4	203.6 估算	是	0.03
RTX 3090 24GB	24	Q4	198.5 估算	是	0.132
RTX 5060 Ti 16GB	16	Q4	197.5 估算	否	0.46
H100 80GB SXM5	80	FP16	195.4 估算	是	0.007
Gaudi 3 128GB	128	FP16	191.1 估算	是	0.015
L40S 48GB	48	Q4	183.3 估算	是	0.023
Mac Studio M3 Ultra 96GB	96	Q4	173.7 估算	是	0.043
Mac Studio M2 Ultra 192GB	192	Q4	169.7 估算	是	0.024
RX 7900 XT 20GB	20	Q4	169.7 估算	是	0.189
RTX 5070 12GB	12	Q4	166.6 估算	否	0.303
RTX A6000 48GB	48	Q4	162.9 估算	是	0.036
T4 16GB	16	Q4	141.1 估算	否	0.071
RTX 4070 Ti 12GB	12	Q4	137.4 估算	否	0.172
RTX 3080 10GB	10	Q4	130.9 估算	否	0.187
RTX 4060 Ti 16GB	16	Q4	127.0 估算	否	0.255
RX 7600 XT 16GB	16	Q4	127.0 估算	否	0.386
RTX 4070 12GB	12	Q4	125.0 估算	否	0.209
RTX 4070 Super 12GB	12	Q4	125.0 估算	否	0.209
A100 80GB SXM4	80	FP16	118.9 估算	是	0.008
MacBook Pro M4 Max 128GB	128	Q4	115.8 估算	是	0.026
Arc B580 12GB	12	Q4	113.1 估算	否	0.454
RX 7700 XT 12GB	12	Q4	107.1 估算	否	0.239
RTX 6000 Ada 48GB	48	FP16	90.0 估算	否	0.013
RTX 3060 12GB	12	Q4	89.3 估算	否	0.271
MacBook Pro M3 Max 128GB	128	Q4	84.8 估算	是	0.02
L40S 48GB	48	FP16	81.0 估算	否	0.01
RTX 5090 32GB	32	FP16	74.7 估算	否	0.037
RTX A6000 48GB	48	FP16	72.0 估算	否	0.016
Arc B570 10GB	10	Q4	65.4 估算	否	0.299
Mac mini M4 Pro 64GB	64	Q4	57.9 估算	是	0.026
RTX 5060 8GB	8	Q4	49.4 估算	否	0.165
RTX 5060 Ti 8GB	8	Q4	49.4 估算	否	0.13
RTX 3070 8GB	8	Q4	49.4 估算	否	0.099
Mac Studio M3 Ultra 96GB	96	FP16	47.8 估算	是	0.012
Mac Studio M2 Ultra 192GB	192	FP16	46.7 估算	是	0.007
Mac mini M4 Pro 64GB	64	FP16	45.5 估算	否	0.021
MacBook Pro M4 Max 128GB	128	FP16	31.8 估算	是	0.007
RTX 4060 Ti 8GB	8	Q4	31.7 估算	否	0.079
RX 7600 8GB	8	Q4	31.7 估算	否	0.118
RTX 4060 8GB	8	Q4	30.0 估算	否	0.1
Mac mini M4 32GB	32	Q4	25.5 估算	是	0.026
RTX 4090 24GB	24	FP16	23.6 估算	否	0.015
RTX 4090D 24GB (China)	24	FP16	23.6 估算	否	0.015
RTX 3090 Ti 24GB	24	FP16	23.6 估算	否	0.012
MacBook Pro M3 Max 128GB	128	FP16	23.3 估算	是	0.006
RX 7900 XTX 24GB	24	FP16	22.5 估算	否	0.023
RTX 3090 24GB	24	FP16	21.9 估算	否	0.015
RX 7900 XT 20GB	20	FP16	13.0 估算	否	0.014
RTX 5080 16GB	16	FP16	10.0 估算	否	0.01
RTX 5070 Ti 16GB	16	FP16	9.3 估算	否	0.012
RTX 4080 Super 16GB	16	FP16	7.7 估算	否	0.008
RTX 4070 Ti Super 16GB	16	FP16	7.0 估算	否	0.009
RX 9070 16GB	16	FP16	6.7 估算	否	0.012
RX 9070 XT 16GB	16	FP16	6.7 估算	否	0.011
RX 7800 XT 16GB	16	FP16	6.5 估算	否	0.013
RX 7900 GRE 16GB	16	FP16	6.0 估算	否	0.011
Arc A770 16GB	16	FP16	5.8 估算	否	0.017
Mac mini M4 32GB	32	FP16	5.0 估算	否	0.005
RTX 5060 Ti 16GB	16	FP16	4.7 估算	否	0.011
T4 16GB	16	FP16	3.3 估算	否	0.002
RTX 4060 Ti 16GB	16	FP16	3.0 估算	否	0.006
RX 7600 XT 16GB	16	FP16	3.0 估算	否	0.009

装机核对

• RTX 5090 32GB — 装得下 · ≈380.1 tok/s Q4 估算
• RTX 3090 Ti 24GB — 装得下 · ≈213.8 tok/s Q4 估算
• RTX 4090 24GB — 装得下 · ≈213.8 tok/s Q4 估算
• RTX 5080 16GB — 装不下 · ≈423.2 tok/s Q4 估算
• RTX 6000 Ada 48GB — 装得下 · ≈203.6 tok/s Q4 估算
• RX 7900 XTX 24GB — 装得下 · ≈203.6 tok/s Q4 估算
• RTX 3090 24GB — 装得下 · ≈198.5 tok/s Q4 估算
• RTX 5070 Ti 16GB — 装不下 · ≈395.0 tok/s Q4 估算
• L40S 48GB — 装得下 · ≈183.3 tok/s Q4 估算
• Mac Studio M3 Ultra 96GB — 装得下 · ≈173.7 tok/s Q4 估算
• Mac Studio M2 Ultra 192GB — 装得下 · ≈169.7 tok/s Q4 估算
• RX 7900 XT 20GB — 装得下 · ≈169.7 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-4.5 GLM-4.5-Air
GLM-5 GLM-5.1 · GLM-5.2

全部 GLM（智谱） 模型 →