ai.canshu.com
EN
显存计算器 配机与回本向导 API 价格 同屏 PK 对比 模型库 排行榜 显卡库

全局搜索模型、显卡与工具

↑↓ 移动 · Enter 直达 · ★ 优先展示我的关注 ai.canshu.com
Zhipu AI
开源权重 Zhipu AI · MoE 744B / A40B · Text · BF16

GLM-5 (744B-A40B MoE) 模型架构参数、评测与显存全表

智谱 744B 总参 / 40B 激活旗舰开源基座,面向多卡 H20/A100/昇腾 910B 企业私有化集群。

🧬 GLM-5 (744B-A40B MoE) 底层网络与张量参数总表 (Model Overview & config.json)

全部字段同步自官方 HuggingFace 仓库 (zai-org/GLM-5) 的 config.json 与技术报告 · 核验日期 2026-11-20

HF Class: GlmMoeDsaForCausalLM

1. 骨干网络与维度参数

glm_moe_dsa
总参数量 / 单步激活
744B / 40B
Hidden Size (d_model)
6,144
FFN Intermediate Size
12,288
MoE 专家中间层维度
2,048
MoE 专家配置
256 路由 · 激活8 + 1 共享
激活函数 / RMSNorm
SiLU (SwiGLU) · ε=1e-5
原生权重精度
BF16

2. 注意力机制与混合层拓扑

MLA
Transformer 总层数
78 层
网络层排布 (Hidden Layout)
78 层旗舰稀疏注意力 MoE (GlmMoeDsa:256 路由专家 + 1 共享专家,激活 8 专家)
注意力头 (Q / KV)
64 Q / 64 KV
Head Dimension
64
线性注意力 / KV 压缩机制
DeepSeek 稀疏潜在注意力 DSA:kv_lora_rank=512 + qk_rope_head_dim=64
视觉编码器 / MTP 头
MTP 1L

3. 上下文、位置编码与词表

Tokenizer
原生上下文长度
202,752 tokens
旋转位置编码 (RoPE)
RoPE (θ=1,000,000 · 原生 202,752 Context)
词表大小 (vocab_size)
154,880 (独立输出头)
特殊控制 Token ID
EOS: [154820,154827,154829] · PAD: 154820

📋 GLM-5 (744B-A40B MoE) 官方 API 技术规格与计费参数总表

核验自 Zhipu AI 官方开发者文档与公开定价页(核验日期 2026-11-20)

API Model ID: glm-5

1. 模型标识与能力开关

API Spec
官方调用 Model ID
glm-5
版本发布日期
2026-02-12
权重授权形态
开源权重 (云端 API 规格)
原生深度推理思考
✅ 支持 (可调思考预算)
Function Calling & JSON Schema
✅ 原生支持
Batch API 异步批处理
✅ 支持 (通常享 5 折)

2. 上下文、输出上限与模态

Limits
最大输入上下文窗口
1,024,000 tokens (1024K)
单次最大输出上限
131,000 tokens
支持输入模态
Text
支持输出模态
Text
中国大陆网络直连
✅ 国内极速直连 + 人民币结算
分发与部署形态
开源权重 + 托管云 API

3. 官方 Token 单价与缓存阶梯

CNY / 1M
标准输入单价 (每百万)
¥ 4
Prompt 缓存命中输入
¥ 1 -75%
标准输出单价 (每百万)
¥ 18
长上下文阶梯与计费备注
智谱 BigModel:智谱第 5 代通用底座

🏆 GLM-5 (744B-A40B MoE) 官方基准评测成绩单

摘录自官方 System Card / Model Card 与权威公开横评表

Arena Elo ~1502 AA Index 51
🧠 数学与深度推理
HMMT Nov 2025 96.9 %
🧠 数学与深度推理
AIME 2026 I 92.7 %
🧠 数学与深度推理
GPQA Diamond 86 %

研究生级物理、化学与生物高难防搜索推理选择题

🧠 数学与深度推理
HLE (w/ Tools) 50.4 %

「人类最后的考试」开启检索与代码工具辅助得分

💻 代码工程
SWE-bench Verified 77.8 %

经人类工程师逐题验证可解的 500 道真实 GitHub 开源仓库 Issue 修复基准,衡量模型阅读大型代码库并生成通过单测补丁的实战工程能力。

💻 代码工程
SWE-bench Multilingual 73.3 %

覆盖 Java、TypeScript、JavaScript、Go、Rust、C 与 C++ 等主流语言的 1,632 道真实开源仓库 Issue 修复评测。

🤖 Agent 工具调用
τ²-Bench 89.7 %

双控动态对话环境下的客服规则遵循与多步工具调用

🤖 Agent 工具调用
MCP-Atlas 67.8 %

大规模模型上下文协议(MCP)工具协同基准,评估智能体在复杂多步任务中协调、组合调用数十种外部 MCP 工具的真实成功率。

🎛️ 官方调用采样与思考参数指南

API / 推理引擎调用时的最佳超参数与约束说明

深度推理模式 (Reasoning / HLE / Math)
temperature=1 top_p=0.95 max_tokens=131,072
SWE 代码工程 Agent 模式 (OpenHands)
temperature=0.7 top_p=0.95 max_tokens=16,384

📊 GLM-5 (744B-A40B MoE) 全量评测成绩与维度排名

共 5 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20

⚔️ 和其他模型逐项比分

来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。

⚡ GLM-5 (744B-A40B MoE) 本地显存占用 & 实时吐字速度计算器

并发请求数 (Batch):
MoE 744B / A40B·78L (d=6144)·64Q/8KV·Ctx 1M
该设备兼容榜 →
并联卡数
96 GB VRAM·4000 GB/s·安全可用上限 94.1 GB
显存不足 (OOM)461.99 / 94.1 GBOOM
3. 权重量化精度
4. 单并发上下文窗口16K (16,384 tok)
参数核验:2026-11-20·带宽与算力屋顶模型估算(当前并发=1)
显存不足 (OOM)
461.99/ 94.1 GB 可用显存

物理总容量 96 GB · 占用率 491.1%

理论带宽解码速度 (Decode)
—tokens/s

超出安全可用上限 367.91 GB

当前并发 (1x) 最大可开窗口
0K/ 1M

MLA 潜在注意力显著压缩高并发 KV 占用

模型权重: 451.05 GBKV Cache (1×16K): 1.47 GB框架开销: 9.47 GB
⛔ 无法加载
参考启动命令:
OLLAMA_CONTEXT_LENGTH=16384 ollama run glm5:744b

本地显存不足?运行 GLM-5 (744B-A40B MoE) 的替代方案

可按小时租用预装好 vLLM / LLaMA-Factory 的大显存云显卡,或算一下直接调 API 对比买卡的 12 个月回本线。

📊 GLM-5 (744B-A40B MoE) 各量化精度显存占用对照表 (16K 上下文)

量化格式 等效位数 纯权重体积 KV Cache (16K) 总显存需求 精度评价
FP16 / BF16 16 bpw 1488 GB 1.47 GB 1519.68 GB 无损原精度
FP8 / Q8_0 8.5 bpw 790.5 GB 1.47 GB 808.23 GB 99.9% 接近无损
GGUF Q6_K 6.56 bpw 610.08 GB 1.47 GB 624.2 GB 极高画质 · 严肃编码
GGUF Q5_K_M 5.69 bpw 529.17 GB 1.47 GB 541.68 GB 高均衡度
Q4_K_M / AWQ 4.85 bpw 451.05 GB 1.47 GB 461.99 GB 黄金甜点(推荐)
GGUF IQ4_XS 4.25 bpw 395.25 GB 1.47 GB 405.08 GB 省显存优选
GGUF Q3_K_M 3.91 bpw 363.63 GB 1.47 GB 372.82 GB 轻度智商折损
GGUF Q2_K 3.15 bpw 292.95 GB 1.47 GB 300.73 GB 极限压缩尝鲜

🖥️ 主流显卡、Mac 与国产卡运行 GLM-5 (744B-A40B MoE) (Q4_K_M) 兼容性列表

常见问题解答 (FAQ)

GLM-5 (744B-A40B MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?

GLM-5 (744B-A40B MoE) 底层架构为 GlmMoeDsaForCausalLM,共 78 层(78 层旗舰稀疏注意力 MoE (GlmMoeDsa:256 路由专家 + 1 共享专家,激活 8 专家)),隐藏层维度 hidden_size=6144,注意力头配置为 64 个 Query 头 / 64 个 KV 头(head_dim=64),词表大小 vocab_size=154,880,原生上下文窗口 202,752 tokens。

GLM-5 (744B-A40B MoE) 本地部署至少需要多少 GB 显存?

在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,GLM-5 (744B-A40B MoE) 共需约 461.99 GB 显存(含权重 451.05 GB + KV 缓存 1.47 GB + 系统开销 9.47 GB)。无损 FP16/BF16 则需约 1519.68 GB。

GLM-5 (744B-A40B MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?

依据官方 generation_config.json 与最佳实践,在「深度推理模式 (Reasoning / HLE / Math)」下建议设置 temperature=1、top_p=0.95。