CogView4-6B (6B DiT + 9B GLM-4) VRAM・GPU 必要スペック計算機
CogView4-6B (6B DiT + 9B GLM-4)(Zhipu AI・6Bパラメータ)のハードウェア要件。8Kコンテキスト目安:INT4 5.2 GB • FP8 7.8 GB • FP16 13.8 GB。
台
メモリ要件 7.75 GB
1 台のGPUが必要(メモリ容量ベース)
6 GB
すべてのモデル重み
0 GB
会話履歴キャッシュ
1.2 GB
同時処理キャッシュ
0.55 GB
一時計算キャッシュ
ComfyUI 生成時間・ホストメモリ推奨
推定生成時間
11.3 s/img
推奨メインメモリ
32 GB RAM
解像度
1 MP
オフロード
Smart Offload
クイック起動 CLI コマンド
python main.py --normalvram --fp8_e4m3fn-unet --fp8_e4m3fn-text-enc --preview-method auto
選択中の精度・コンテキスト長・テンソル並列GPU枚数が反映されています。CogView4-6B 専用ページを開く →
CogView4-6B (6B DiT + 9B GLM-4) アーキテクチャとメモリ仕様
総パラメータ数
6B
アーキテクチャ
Dense(標準)
開発元
Zhipu AI
推奨精度
FP8
CogView4-6B (6B DiT + 9B GLM-4) 精度・解像度別 ComfyUI VRAM マトリックス
ComfyUI オフロード+VAEタイリング時のピークVRAM(推奨メインメモリ: 32 GB)。
| 量子化精度 | 1024x1024 (1MP) | 1536x1536 (2.25MP) | 2048x2048 (4MP) | LoRA学習 (1MP) |
|---|---|---|---|---|
| BF16 | 13.8 GB | 15.5 GB | 18.5 GB | 16.6 GB |
| FP8 | 7.8 GB | 9.5 GB | 12.5 GB | 10.6 GB |
| INT8 | 7.8 GB | 9.5 GB | 12.5 GB | 10.6 GB |
| INT4 | 5.2 GB | 7.0 GB | 10.0 GB | 8.1 GB |
CogView4-6B (6B DiT + 9B GLM-4) 推奨 GPU 構成一覧(FP8)
1024x1024 生成時の必要GPU枚数および推定生成時間 (秒/枚)。
| GPU ハードウェア | 最小 GPU 数 | 合計 VRAM | 生成速度 |
|---|---|---|---|
| NVIDIA RTX 4090 (24GB) | 1× | 24 GB | 11.3 s/img |
| NVIDIA RTX 5090 (32GB) | 1× | 32 GB | 8.2 s/img |
| Apple M4 Max (128GB) (128GB) | 1× | 128 GB | 13.7 s/img |
| NVIDIA A100 (80GB) (80GB) | 1× | 80 GB | 12 s/img |
| NVIDIA H100 (80GB) | 1× | 80 GB | 3.3 s/img |
| NVIDIA H200 (141GB) | 1× | 141 GB | 3.2 s/img |
| Huawei Ascend 910B (64GB) | 1× | 64 GB | 6.4 s/img |
CogView4-6B (6B DiT + 9B GLM-4) デプロイ FAQ
CogView4-6B (6B DiT + 9B GLM-4) の実行には何 GB の VRAM が必要ですか?
1024x1024・オフロード+VAEタイリング時、CogView4-6B (6B DiT + 9B GLM-4) は BF16/FP16 で約 13.8 GB、FP8 で約 7.8 GB、INT4/GGUF で約 5.2 GB のVRAMが必要です(メインメモリ 32 GB推奨)。
CogView4-6B (6B DiT + 9B GLM-4) には RTX 4090 や NVIDIA H100 が何枚必要ですか?
FP8精度でCogView4-6B (6B DiT + 9B GLM-4)を動かすには、RTX 4090 (24GB) なら最低1枚、H100 (80GB) なら1枚必要です。
CogView4-6B (6B DiT + 9B GLM-4) の本番環境ではどの精度を選ぶべきですか?
Zhipu AIのCogView4-6B (6B DiT + 9B GLM-4)(6B)は、速度・メモリ消費・出力品質のバランスに優れたFP8での運用が推奨されます。