Q4_K_M: 临界可跑(注意上下文水位) 21.26 GB / 23.5 GB 安全可用
NVIDIA GeForce RTX 3090 24GB 运行 GLM-4-32B-0414 显存与速度估算
可以流畅运行。在主流 Q4_K_M 4-bit 量化(16K 上下文)下,GLM-4-32B-0414 总显存占用约 21.26 GB(权重 19.4 GB + KV 缓存 1.02 GB + 系统开销 0.84 GB),低于 RTX 3090 的安全可用水位(23.5 GB),预估单并发推理速度约 31.1 tokens/s。
并发请求数 (Batch):
Dense 32B·61L (d=6144)·48Q/2KV·Ctx 32K
临界可跑(注意上下文水位)21.26 / 23.5 GB~31.1 tok/s· Q4_K_M · 16K ctx
3. 权重量化精度