GLM-5.3 の必要VRAM

Z.aiの旗艦の8月版。ベースモデルは5.2と同一で、伸びは後段学習によるものと開発元が明言している。1Mコンテキストのエージェント用途向けでデータセンター級。

753.33B / 78層 / GQA 64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)。

⚠ 公式配布はFP8です。

🛠 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-5.3とは

GLM-5.3は、Z.ai(GLM)が公開するGLM系のデータセンター級(753.33B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37万件・いいね1,717件 — ダウンロード数は当サイト収録92モデル中55位です(2026-09-06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-5.3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456.7GB、8Kトークン分のKVキャッシュが約0.7GB、システム予約と合わせて合計約458.9GBです。 単一のコンシューマGPUに◎(快適)となるクラスはなく、実行はクラウドGPUが現実的です。 迷ったらQ4_K_M(合計約458.9GB)が基準です。VRAMに余裕があればQ8_0(約802.6GB)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。

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0.7GB — 標準的なGQA構成なら約31.4GB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0.2GB、8Kで約0.7GB、32Kまで広げると約2.9GB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)

生成速度はメモリ帯域律速です。Q4_K_Mの重み456.7GBに対する理論上限は、RTX 3060 12GB(360GB/s)で約1 tokens/秒、RTX 4090(1008GB/s)で約2 tokens/秒 — 実効はオーバーヘッドの分これより下がります。

動かすには

この規模はコンシューマ環境の外なので、クラウドGPUでの実行が入口になります。 RunPodでの始め方(手順ガイド)

同クラスの選択肢

GLM-5.2(753B) / DeepSeek-R1(684.53B) / Inkling(952.38B)

▶ 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)