Requisitos de GPU de GLM 4.5 Air: VRAM y GPU más barata
GLM 4.5 Air tiene 110,5 mil M parámetros, publicados en BF16. Es un modelo de mezcla de expertos: 8 de sus 128 expertos trabajan en cada token, unos 17 mil M parámetros, así que genera más o menos a la velocidad de un modelo de ese tamaño. Aun así, todos los expertos tienen que estar en la memoria de la GPU, por eso las cifras de memoria de abajo son las del modelo completo. Se publica con licencia mit, que permite el uso comercial.
- Parámetros
- 110,5 mil M
- Mínimo de memoria (INT4)
- unos 66 GB
- GPU más barata por hora (FP16)
- 0,59 US$
- Tipo
- Texto
zai-org/GLM-4.5-Air
- Parámetros 110,5 mil M
- Activos por token 17 mil M
- Tipo Texto
- Tarea text-generation
- Contexto máximo 128K
- Licencia mit
- Descargas 1,1 M
- Me gusta 650
Cálculo para GLM 4.5 Air
Más ajustes
GLM 4.5 Air necesita unos 246 GB de memoria de GPU
Inferencia (vLLM), FP16 / BF16, contexto de 8K tokens, una petición a la vez.
En qué se va la memoria
- Pesos 221 GB
- Caché KV 1,5 GB
- Sobrecarga del motor 23 GB
- Total 246 GB
El número de GPU deja libre un 10 % de cada tarjeta para picos. Prevé más si esperas prompts largos o muchos usuarios a la vez.
| Puesto | Configuración | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) | Proveedor |
|---|---|---|---|---|---|---|
| 1 | 6 × A40 48GBMás barataAmpere · GDDR6 | 0,59 US$ | 6se vende con 8 GPU; necesitas 6 | 4,72 US$ | 3446 US$ | RunPod (se abre en una pestaña nueva)8x A40 |
| 2 | 2 × MI300X 192GBCDNA 3 · HBM3 | 2,39 US$ | 2 | 4,78 US$ | 3489 US$ | RunPod (se abre en una pestaña nueva)2x MI300X |
| 3 | 4 × A100 80GBAmpere · HBM2e | 1,30 US$ | 4 | 5,18 US$ | 3781 US$ | Vast.ai (se abre en una pestaña nueva)4x A100 SXM4 (median of 6 offers) |
| 4 | 6 × RTX A6000 48GBAmpere · GDDR6 | 0,69 US$ | 6se vende con 8 GPU; necesitas 6 | 5,52 US$ | 4030 US$ | RunPod (se abre en una pestaña nueva)8x RTX A6000 |
| 5 | 3 × RTX PRO 6000 96GBBlackwell · GDDR7 | 1,73 US$ | 3se vende con 4 GPU; necesitas 3 | 6,94 US$ | 5065 US$ | Vast.ai (se abre en una pestaña nueva)4x RTX PRO 6000 S (median of 9 offers) |
| 6 | 2 × H200 141GBHopper · HBM3e | 3,79 US$ | 2 | 7,58 US$ | 5533 US$ | RunPod (se abre en una pestaña nueva)2x H200 NVL |
| 7 | 1 × B300 288GBBlackwell Ultra · HBM3e | 8,00 US$ | 1 | 8,00 US$ | 5840 US$ | Lium (se abre en una pestaña nueva)1x B300 SXM6 |
| 8 | 6 × L40S 48GBAda Lovelace · GDDR6 | 1,09 US$ | 6se vende con 8 GPU; necesitas 6 | 8,72 US$ | 6366 US$ | RunPod (se abre en una pestaña nueva)8x L40S |
| 9 | 6 × RTX 6000 Ada 48GBAda Lovelace · GDDR6 | 1,09 US$ | 6se vende con 8 GPU; necesitas 6 | 8,72 US$ | 6366 US$ | RunPod (se abre en una pestaña nueva)8x RTX 6000 Ada |
| 10 | 4 × H100 80GBHopper · HBM3 | 2,89 US$ | 4 | 11,56 US$ | 8439 US$ | RunPod (se abre en una pestaña nueva)4x H100 PCIe |
| 11 | 3 × H100 NVL 94GBHopper · HBM3 | 3,19 US$ | 3se vende con 4 GPU; necesitas 3 | 12,76 US$ | 9315 US$ | RunPod (se abre en una pestaña nueva)4x H100 NVL |
| 12 | 2 × B200 180GBBlackwell · HBM3e | 7,89 US$ | 2 | 15,78 US$ | 11.519 US$ | Lambda (se abre en una pestaña nueva)2x B200 SXM6 |
| 13 | 7 × A100 40GBAmpere · HBM2 | 1,99 US$ | 7se vende con 8 GPU; necesitas 7 | 15,92 US$ | 11.622 US$ | Lambda (se abre en una pestaña nueva)8x HGX A100 |
| 14 | 2 × GB200 186GBBlackwell · HBM3e | 10,50 US$ | 2se vende con 4 GPU; necesitas 2 | 42,00 US$ | 30.660 US$ | CoreWeave (se abre en una pestaña nueva)GB200 NVL72 |
| Más de 8: hacen falta varios nodos: RTX 5090 32GB, RTX 4090 24GB, RTX 3090 24GB, L4 24GB, A10 24GB, T4 16GB, V100 16GB | ||||||
| Proveedor | Instancia | Por GPU / h | GPU necesarias | Total / h | Total / mes (24/7) |
|---|---|---|---|---|---|
| RunPod (se abre en una pestaña nueva)Más barata | 8x A40us | 0,59 US$ | 6 × A40 48GB se vende con 8 GPU; necesitas 6 | unos 4,72 US$ | unos 3446 US$ |
| Vast.ai (se abre en una pestaña nueva) | 4x A100 SXM4 (median of 6 offers)mercado mundial | 1,30 US$ | 4 × A100 80GB | unos 5,18 US$ | unos 3781 US$ |
| Lium (se abre en una pestaña nueva) | 1x B300 SXM6mercado mundial | 8,00 US$ | 1 × B300 288GB | unos 8,00 US$ | unos 5840 US$ |
| Nebius (se abre en una pestaña nueva) | 1x B300 288GBeu/us | 9,50 US$ | 1 × B300 288GB | unos 9,50 US$ | unos 6935 US$ |
| Vultr (se abre en una pestaña nueva) | vbm-48c-1024gb-4-a100-gpu (bare metal)us | 2,40 US$ | 4 × A100 80GB | unos 9,59 US$ | unos 7000 US$ |
| Azure (se abre en una pestaña nueva) | NC96ads_A100_v4eastus | 3,67 US$ | 4 × A100 80GB | unos 14,69 US$ | unos 10.725 US$ |
| Lambda (se abre en una pestaña nueva) | 2x B200 SXM6us | 7,89 US$ | 2 × B200 180GB | unos 15,78 US$ | unos 11.519 US$ |
| AWS (se abre en una pestaña nueva) | g7e.24xlargeus-east-1 | 4,14 US$ | 3 × RTX PRO 6000 96GB se vende con 4 GPU; necesitas 3 | unos 16,57 US$ | unos 12.098 US$ |
| Google Cloud (se abre en una pestaña nueva) | g4-standard-192us-central1 | 4,50 US$ | 3 × RTX PRO 6000 96GB se vende con 4 GPU; necesitas 3 | unos 18,00 US$ | unos 13.140 US$ |
| CoreWeave (se abre en una pestaña nueva) | L40Sus | 2,25 US$ | 6 × L40S 48GB se vende con 8 GPU; necesitas 6 | unos 18,00 US$ | unos 13.140 US$ |
Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).
Memoria por precisión y uso
| Precisión | Inferencia | Ajuste LoRA | Ajuste QLoRA | Ajuste completo |
|---|---|---|---|---|
| FP16 / BF16 | 246 GB | 288 GB | – | 1950 GB |
| INT8 | 130 GB | – | – | – |
| INT4 | 66 GB | – | 108 GB | – |
La GPU más barata por precisión
Inferencia con contexto de 8K y una petición a la vez.
FP16 / BF16
unos 246 GB · 8K tokens
Los pesos tal como se publican. Sin pérdidas, pero ocupa más.
6 × A40 48GB
RunPod (se abre en una pestaña nueva) · 8x A40
se vende con 8 GPU; necesitas 6- Por GPU / h
- 0,59 US$
- GPU necesarias
- 6
- Total / h
- unos 4,72 US$
- al mes, 24/7, aprox.
- 3446 US$
INT8
unos 130 GB · 8K tokens
Pesos a la mitad de tamaño. En chat y RAG apenas se nota.
4 × A40 48GB
RunPod (se abre en una pestaña nueva) · 4x A40
- Por GPU / h
- 0,59 US$
- GPU necesarias
- 4
- Total / h
- unos 2,36 US$
- al mes, 24/7, aprox.
- 1723 US$
INT4
unos 66 GB · 8K tokens
Pesos a una cuarta parte. Las pequeñas pérdidas aparecen antes en matemáticas y código.
1 × RTX PRO 6000 96GB
RunPod (se abre en una pestaña nueva) · 1x RTX PRO 6000 MaxQ
- Por GPU / h
- 0,50 US$
- GPU necesarias
- 1
- Total / h
- unos 0,50 US$
- al mes, 24/7, aprox.
- 365 US$
Inferencia frente a ajuste fino
Inferencia (FP16)
1×
de la memoria que pide la inferencia
246 GB
6 × A40 48GB · unos 4,72 US$
Ajuste LoRA
1,2×
de la memoria que pide la inferencia
288 GB
7 × A40 48GB · unos 4,72 US$
Ajuste QLoRA
0,4×
de la memoria que pide la inferencia
108 GB
3 × A40 48GB · unos 2,36 US$
Ajuste completo
7,9×
de la memoria que pide la inferencia
1950 GB
8 × B300 288GB · unos 71,92 US$
Para servirlo en FP16 basta con 6 × A40 48GB (RunPod). LoRA necesita 7 × A40 48GB (RunPod), QLoRA 3 × A40 48GB (RunPod) y un ajuste completo 8 × B300 288GB (RunPod). Entrenar guarda en memoria las activaciones y el estado del optimizador además de los pesos; por eso suele pedir más GPU que servir el mismo modelo.
¿Funciona en un Mac o en una sola RTX 4090?
RTX 4090 (24 GB)
No por sí sola. Incluso en INT4 necesita unos 66 GB, más que los 24 GB de la tarjeta. Bastan dos o más tarjetas o una GPU de centro de datos más grande.
Mac con Apple silicon
Sí, con memoria suficiente. En INT4 necesita unos 66 GB, así que un Mac con 96 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
Modelos parecidos
Modelos abiertos de tamaño parecido.
- Sarvam-105BTexto106 mil M · unos 235 GB FP16 · 4,8 mil ↓Necesidades de GPU
- gpt-oss-120bTexto116,8 mil M · unos 258 GB FP16 · 2,4 M ↓Necesidades de GPU
- Laguna S 2.1Texto117,6 mil M · unos 260 GB FP16 · 425,3 mil ↓Necesidades de GPU
- NVIDIA Nemotron 3 Super 120B A12B BF16Texto123,6 mil M · unos 274 GB FP16 · 852,6 mil ↓Necesidades de GPU
- Ornith-1.5-122BTexto125,1 mil M · unos 276 GB FP16 · 392,6 mil ↓Necesidades de GPU
- Ling-3.0-flash-SanteTexto127,5 mil M · unos 282 GB FP16 · 3 mil ↓Necesidades de GPU
GLM 4.5 Air: preguntas frecuentes
¿Cuánta VRAM necesita GLM 4.5 Air?
Unos 246 GB en FP16, 130 GB en INT8 y 66 GB en INT4, con contexto de 8K y una petición a la vez. Los contextos más largos y más peticiones en paralelo añaden caché KV.
¿Cuál es la GPU más barata para ejecutar GLM 4.5 Air?
6 × A40 48GB (unos 0,59 US$ por GPU / hora; se vende con 8 GPU; necesitas 6) en RunPod, por unos 4,72 US$ la hora para inferencia en FP16 / BF16 con contexto de 8K. Precios recogidos el 16 nov 2026; cambian a menudo.
¿Puedo hacer ajuste fino de GLM 4.5 Air en una sola GPU?
No en una sola GPU. Incluso QLoRA necesita unos 108 GB, más de lo que cabe en una GPU de 80 GB. LoRA necesita unos 288 GB y un ajuste completo unos 1950 GB.
¿Cómo se calculan estas cifras?
Los pesos son los parámetros por los bytes por parámetro (2 en FP16, 1 en INT8, 0,5 en INT4). La caché KV sale de las capas, las cabezas KV, el tamaño de cabeza y la longitud de contexto del modelo. Añadimos un 10 % más 1 GB para el motor y llenamos cada GPU hasta el 90 %. Los precios son de lista bajo demanda en regiones de EE. UU., tomados de la página pública de cada proveedor.
¿Funciona GLM 4.5 Air en una GPU de consumo como la RTX 4090?
No por sí sola. Incluso en INT4 necesita unos 66 GB, más que los 24 GB de la tarjeta. Bastan dos o más tarjetas o una GPU de centro de datos más grande.
¿Cabe GLM 4.5 Air en una sola H100 de 80 GB?
Sí, en INT4 con contexto de 8K.
¿Cuántas GPU necesito para GLM 4.5 Air?
En FP16 con contexto de 8K: 4 × 80 GB, 6 × 48 GB o 12 × 24 GB. En INT4 los pesos ocupan más o menos la cuarta parte.
¿Cuánta VRAM necesita GLM 4.5 Air en INT8?
Unos 130 GB: 116 GB para los pesos, 1,5 GB para una caché KV de 8K y 13 GB de sobrecarga del motor.
¿Cuánto cuesta tener GLM 4.5 Air funcionando 24/7 durante un mes?
Unos 3446 US$ con la configuración más barata que encontramos (6 × A40 48GB (unos 0,59 US$ por GPU / hora; se vende con 8 GPU; necesitas 6), 4,72 US$ la hora durante 730 horas). Lo más barato en AWS, Google Cloud o Azure ronda los 10.725 US$ al mes.
FP16, INT8 o INT4: ¿cuál uso?
FP16 conserva toda la calidad y necesita más memoria (unos 246 GB aquí). INT8 reduce los pesos a la mitad con poca pérdida para la mayoría de usos de chat. INT4 (AWQ, GPTQ o GGUF Q4) los deja en una cuarta parte, unos 66 GB en total, con una pequeña pérdida de calidad que se nota sobre todo en matemáticas y código.
¿Funciona GLM 4.5 Air en un Mac?
Sí, con memoria suficiente. En INT4 necesita unos 66 GB, así que un Mac con 96 GB o más de memoria unificada (macOS deja a la GPU usar unas tres cuartas partes). La generación será más lenta que en una GPU de centro de datos.
¿vLLM o llama.cpp?
vLLM está pensado para servir muchas peticiones a la vez en GPU de NVIDIA y AMD y reserva casi toda la memoria de la GPU para la caché KV. llama.cpp ejecuta archivos GGUF casi en cualquier equipo, incluidos Mac y CPU, y va bien para una persona o un equipo pequeño. Con la misma precisión, la memoria necesaria es parecida.
Precios recogidos el 16 nov 2026. Todos los costes son aproximados: bajo demanda, en dólares, sobre todo regiones de EE. UU. (los mercados como Vast.ai y Lium son mundiales).
Cómo calculamos
- Pesos. Parámetros por bytes por parámetro: 2 en FP16, 1 en INT8, 0,5 en INT4, más un 5 % aproximado para las escalas de cuantización en INT8 e INT4.
- Caché KV. 2 × capas × cabezas KV × tamaño de cabeza × contexto × peticiones × 2 bytes, según el config.json del modelo. Si falta un dato, lo estimamos y lo indicamos.
- Sobrecarga. Alrededor de un 10 % más 1 GB para el motor, en línea con lo que reserva vLLM.
- Ajuste fino. LoRA mantiene los pesos en 16 bits y añade un adaptador pequeño, su optimizador y las activaciones. QLoRA hace lo mismo sobre pesos de 4 bits. Un ajuste completo necesita unos 16 bytes por parámetro con Adam en precisión mixta (pesos, gradientes y estados del optimizador), más las activaciones.
- GPU. Llenamos cada GPU hasta el 90 % de su memoria y paramos en 8 por nodo. Los costes son precios de lista bajo demanda en regiones de EE. UU.; en las nubes tipo mercado mostramos la oferta mediana.