Zhipu AI (Z.ai)9B~6 GB VRAM przy Q4_K_M

GLM-4 9B — VRAM, szybkość i lokalna konfiguracja

Name: LLM Configurator — GPU VRAM Checker
Author: LLM Configurator

Autor: Jakub Rusinowski · Ostatnia aktualizacja: 14 lutego 2026

GLM-4-9B, Z.ai's compact bilingual model. Strong Chinese-English performance and general reasoning; runs comfortably on 8 GB VRAM. Previously listed as 'GLM-4.7 9B', which does not exist - GLM-4.7 is a ~400B MoE whose small sibling is GLM-4.7-Flash at 30B-A3B. The Ollama tag recorded here, glm4:9b, pulls GLM-4-9B, so the record was correct apart from its name.

GLM-4 9B potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.

Logika87

Kreatywność84

Kod82

VRAM i szybkość według kwantyzacji

Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.

Kwant.	VRAM	Szybkość (szac.)	Dopasowanie
Q2_K 2.63 bpw	3.8 GB	~144 tok/s	Mieści się
Q3_K_M 3.41 bpw	4.6 GB	~123 tok/s	Mieści się
Q4_K_M 4.83 bpw	6.2 GB	~98 tok/s	Mieści się
Q5_K_M 5.67 bpw	7.2 GB	~87 tok/s	Mieści się
Q6_K 6.56 bpw	8.2 GB	~78 tok/s	Mieści się
Q8_0 8.50 bpw	10.4 GB	~64 tok/s	Mieści się
F16 16.00 bpw	18.8 GB	~37 tok/s	Mieści się

Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla GLM-4 9B →

Uruchom GLM-4 9B

Najtańsze GPU z naszego katalogu, które uruchomi GLM-4 9B, to Intel Arc B570 (10 GB).

Kup ten sprzęt Intel Arc B570 10GB — 10 GB VRAM · 150 W board power Uruchom w chmurze RTX 4090 w RunPod — od $0.34/godz. · stawka sprawdzona 2026-07

lub porównaj w Vast.ai od $0.35/godz. (typical low · varies)

Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.

Intel Arc B570 10GB

10 GB VRAM · 150 W board power

Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

Sprawdź cenę na Amazon

Jak uruchomić GLM-4 9B

Zainstaluj Ollama, a potem uruchom:

$ollama run glm4:9b

Wagi na Hugging Face: THUDM/glm-4-9b-chat ↗

Specyfikacja

Corroborated — Two or more independent sources agree on these figures, but the model card itself was not retrieved. Treat the numbers as good rather than confirmed.

Parametry: 9 Billion
Okno kontekstu: 128,000
Architektura: Dense
Dostawca: Zhipu AI (Z.ai)
Licencja: Apache 2.0
Practical deployment: Laptop
Określono przy: Q4_K_M
RAM systemowy: 16 GB
Rekord zaktualizowany: 2026-02-14

LicencjaApache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Jakość i zastosowania

Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.

Najlepszy dochatmultilingualreasoningchinese

Czy uruchomię GLM-4 9B na moim GPU?

Inne rozmiary GLM-4.7 / GLM-Z1

GLM-4 9B — najczęściej zadawane pytania

How much VRAM does GLM-4 9B need?

About 6 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.

Does GLM-4 9B run on an RTX 4090 (24 GB)?

Yes. GLM-4 9B needs about 6 GB at Q4_K_M, inside a 24 GB card, at an estimated 98 tokens/sec.

How do I run GLM-4 9B locally?

Install Ollama and run `ollama run glm4:9b`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.

What other sizes does GLM-4.7 / GLM-Z1 come in?

GLM-4 9B (6 GB), GLM-Z1 32B (Reasoning) (20 GB), GLM-4.7-Flash 30B-A3B (19 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.