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).

ТочностьКонтекст 8KКонтекст 32KКонтекст 128K
FP1621.2 GB22.2 GB25.9 GB
FP811.7 GB12.1 GB14.0 GB
INT811.7 GB12.1 GB14.0 GB
INT46.9 GB7.1 GB8.1 GB

Рекомендуемые GPU для GLM-4-Voice-9B (FP16)

Минимум видеокарт для контекста 8K при batch=1 и ожидаемая скорость.

Модель GPUМин. GPUОбщая VRAMСкорость
NVIDIA RTX 4090 (24GB)1×24 GB46 tok/s
NVIDIA RTX 5090 (32GB)1×32 GB81 tok/s
Apple M4 Max (128GB) (128GB)1×128 GB19 tok/s
NVIDIA A100 (80GB) (80GB)1×80 GB88 tok/s
NVIDIA H100 (80GB)1×80 GB149 tok/s
NVIDIA H200 (141GB)1×141 GB217 tok/s
Huawei Ascend 910B (64GB)1×64 GB54 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.