GLM-4.7-Flash 31B-A3B の必要VRAM

Z.ai製の軽量MoE(総31B・実働3B)。24GB級GPUの有力候補。

31.2B / 47層 / GQA 20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21.8GB、128Kで約27.1GBです(8Kの約1.3倍)。

GLM-4.7-Flash 31B-A3Bとは

GLM-4.7-Flash 31B-A3Bは、Z.ai(GLM)が公開するGLM系のハイエンドクラス(31.2Bパラメータ)オープンモデルです。24GB級GPUの領域で、ローカルで狙える上位の品質帯です。

Hugging Faceでの直近30日ダウンロードは約198万件・いいね1,821件 — ダウンロード数は当サイト収録83モデル中33位です(2026-08-27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-4.7-Flash 31B-A3B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18.5GB、8Kトークン分のKVキャッシュが約0.4GB、システム予約と合わせて合計約20.4GBです。 ◎(快適)判定の最小ラインは、VRAM 24GBクラスのGPUです。 迷ったらQ4_K_M(合計約20.4GB)が基準です。VRAMに余裕があればQ8_0(約33.8GB)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31.2B・実効3B。メモリは総量31.2B分が必要ですが、生成速度は3B級の軽さです。

MLA(圧縮KVキャッシュ)採用: 8Kトークン時のKVキャッシュは約0.4GB — 標準的なGQA構成なら約3.2GB相当のところを大幅に圧縮しており、長文でもメモリが伸びにくい設計です。

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0.1GB、8Kで約0.4GB、32Kまで広げると約1.8GB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3B相当(Q4で約1.8GB)で決まり、理論上限はRTX 3060 12GBで約203 tokens/秒、RTX 4090で約567 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

Gemma 4 31B(31.27B) / Nemotron-3.5 Lightning 30B-A3B(31.58B) / North Mini Code 1.0(30.48B)

▶ 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)