GLM-4.5-Air の必要VRAM

Z.aiが2025年7月に公開したMoE(総110B・実働12B)。後継の世代が出た後も、30日DLが129万件ある。

110.47B / 46層 / GQA 8ヘッド / 既定コンテキスト 8,192 トークン(HuggingFace)

必要VRAM = 重み + KVキャッシュ(既定コンテキスト時) + 1.5GB(OS/表示)。△は量子化を下げるかコンテキストを絞れば動作します。

この表は Q4_K_M を最小の量子化として計算しています。×でも、IQ4_XS のようにさらに小さい量子化なら収まることがあります(品質低下と、使うランタイムの対応状況の確認が要ります)。

上の表は8,192トークンの文脈での計算です。AIエージェント(道具を使って複数ステップの作業を自動でこなす使い方)では長い文脈が要り、その分KVキャッシュが増えます。 このモデルをQ4_K_Mで使う場合、必要VRAMは32Kで約74.6GB、128Kで約93.2GBです(8Kの約1.3倍)。

🛠 総パラメータは大きいものの、実際に毎回動くのは一部だけのMoEです。llama.cpp の --n-cpu-moe や KTransformers などオフロード対応エンジンを使うと、VRAM に全部載らなくても、大容量のシステムRAMがあれば動く場合があります(速度は実働パラメータ相当。下の必要VRAMは全載せ前提の目安です)。

GLM-4.5-Airとは

GLM-4.5-Airは、Z.ai(GLM)が公開するGLM系のデータセンター級(110.47Bパラメータ)オープンモデルです。数百B〜1T規模のフラッグシップで、個人のローカル実行は対象外です(参考収載)。

Hugging Faceでの直近30日ダウンロードは約129万件・いいね649件 — ダウンロード数は当サイト収録120モデル中35位です(2026-11-04時点。公式リポジトリ分のみで、GGUF再配布版は含みません)。

GLM-4.5-Airの必要スペックを読み解く

Q4_K_M量子化での内訳は、重み(モデル本体)が約67GB、8Kトークン分のKVキャッシュが約1.5GB、システム予約と合わせて合計約70GBです。 ◎(快適)判定の最小ラインは、VRAM 80GBクラスのGPUです。 迷ったらQ4_K_M(合計約70GB)が基準です。VRAMに余裕があればQ8_0(約120.4GB)で品質の上積みが狙えます。 Mac(ユニファイドメモリ)での判定は、トップページでチップと搭載メモリを選ぶと計算できます。

MoE構成: 総110.47B・実効12B。メモリは総量110.47B分が必要ですが、生成速度は12B級の軽さです。

コンテキスト長とメモリの伸び方

このモデルのKVキャッシュは、2Kトークンで約0.4GB、8Kで約1.5GB、32Kまで広げると約6.2GBになります。KVキャッシュはコンテキスト長にほぼ比例して増えるため、長文用途ではその分のVRAM余白を見込んでください。

速度の目安(理論上限)

MoEのため速度は実効12B相当(Q4で約7.3GB)で決まり、理論上限はRTX 3060 12GBで約49 tokens/秒、RTX 4090で約139 tokens/秒です(実効はこれ以下)。

動かすには

OllamaやLM Studioに対応しています。導入手順は用語集のOllamaページにまとめています。

同クラスの選択肢

Medical-GPT-OSS-Swallow 120B(116.83B) / Laguna S 2.1(117.56B) / gpt-oss 120B(120.41B)

▶ あなたのPCを自動判定する(スペック送信なし・ブラウザ内完結)