Калькулятор VRAM и GPU для GLM-4-Voice-9B
Подбор оборудования для GLM-4-Voice-9B (9.4B, Zhipu AI). Оценка для контекста 8K: INT4 6.9 ГБ • FP8 11.7 ГБ • FP16 21.2 ГБ.
GPU
Требования к памяти 21.23 ГБ
Требуется 1 GPU (на основе емкости памяти)
20 GB
Все веса модели
0.31 GB
Кэш истории разговора
0.8 GB
Кэш параллельной обработки
0.12 GB
Временный кэш вычислений
Метрики производительности
Тест 46 ток/с →Общая пропускная способность
46 токенов/с
Пропускная способность на пользователя
46 токенов/с/пользователь
Оценочная задержка
3291 мс
Макс QPS
0.3 запросов/с
Оценка пропускной способности памяти и вычислений для 1x NVIDIA RTX 4090 (24GB).
Команда быстрого запуска (CLI)
vllm serve THUDM/glm-4-voice-9b --max-model-len 8192
Параметры автоматически учитывают выбранную точность, контекст и число GPU.Страница модели GLM-4-Voice-9B →
Архитектура и профиль памяти GLM-4-Voice-9B
Всего параметров
9.4B
Архитектура
Dense (плотная)
Разработчик
Zhipu AI
Рекомендуемая точность
FP16
Матрица VRAM для GLM-4-Voice-9B по точности и контексту
Предрасчёт для 1 пользователя (веса модели + KV-кэш + накладные расходы).
| Точность | Контекст 8K | Контекст 32K | Контекст 128K |
|---|---|---|---|
| FP16 | 21.2 GB | 22.2 GB | 25.9 GB |
| FP8 | 11.7 GB | 12.1 GB | 14.0 GB |
| INT8 | 11.7 GB | 12.1 GB | 14.0 GB |
| INT4 | 6.9 GB | 7.1 GB | 8.1 GB |
Рекомендуемые GPU для GLM-4-Voice-9B (FP16)
Минимум видеокарт для контекста 8K при batch=1 и ожидаемая скорость.
| Модель GPU | Мин. GPU | Общая VRAM | Скорость |
|---|---|---|---|
| NVIDIA RTX 4090 (24GB) | 1× | 24 GB | 46 tok/s |
| NVIDIA RTX 5090 (32GB) | 1× | 32 GB | 81 tok/s |
| Apple M4 Max (128GB) (128GB) | 1× | 128 GB | 19 tok/s |
| NVIDIA A100 (80GB) (80GB) | 1× | 80 GB | 88 tok/s |
| NVIDIA H100 (80GB) | 1× | 80 GB | 149 tok/s |
| NVIDIA H200 (141GB) | 1× | 141 GB | 217 tok/s |
| Huawei Ascend 910B (64GB) | 1× | 64 GB | 54 tok/s |
Вопросы по развёртыванию GLM-4-Voice-9B
Сколько видеопамяти требуется для запуска GLM-4-Voice-9B?
При контексте 8K и одном пользователе GLM-4-Voice-9B занимает около 21.2 ГБ в FP16, 11.7 ГБ в FP8 и 6.9 ГБ в квантовании INT4.
Сколько нужно видеокарт RTX 4090 или H100 для GLM-4-Voice-9B?
В точности FP16 для GLM-4-Voice-9B потребуется минимум 1x RTX 4090 (24 ГБ) или 1x NVIDIA H100 (80 ГБ).
Какую точность выбрать для GLM-4-Voice-9B в продакшене?
Для GLM-4-Voice-9B (9.4B, Zhipu AI) оптимальный баланс качества, скорости и памяти обеспечивает FP16.