GLM-5.3のGPU要件：VRAMと最安GPU
GLM-5.3のパラメータ数は7533.3億で、FP8で公開されています。 Mixture-of-Expertsモデルで、256個のエキスパートのうち8個が各トークンを処理します（約512億パラメータ）。そのため生成速度はおおむねその規模のモデル並みです。ただしすべてのエキスパートをGPUメモリに載せる必要があるため、下のメモリの数値はモデル全体のものです。 ライセンス（glm-5.3）には独自の条件があります。商用利用の前に確認してください。
- パラメータ数
- 7533.3億
- 最小メモリ（INT4）
- 約437 GB
- 最安GPUの1時間料金（FP16）
- $8.99
- 種類
- テキスト
zai-org/GLM-5.3
- パラメータ数 7533.3億
- トークンあたりのアクティブ数 512億
- 種類 テキスト
- タスク text-generation
- 最大コンテキスト 1024K
- ライセンス glm-5.3
- ダウンロード数 185.3万
- いいね 2439
GLM-5.3の計算結果
詳細設定
GLM-5.3に必要なGPUメモリは約1,659 GB
推論（vLLM）、FP16 / BF16、コンテキスト8Kトークン、同時リクエスト1件。
メモリの内訳
- 重み 1,507 GB
- KVキャッシュ 0.74 GB
- ランタイムのオーバーヘッド 152 GB
- 合計 1,659 GB
GPUの台数は、急な負荷に備えて各カードの10%を空けて計算しています。長いプロンプトや多数の同時利用が見込まれる場合は余裕を持たせてください。
| 順位 | 構成 | GPU 1台 / 時間 | 必要な台数 | 合計 / 時間 | 合計 / 月（24時間稼働） | プロバイダー |
|---|---|---|---|---|---|---|
| 1 | 7 × B300 288GB最安Blackwell Ultra · HBM3e | $8.99 | 78台単位での提供。必要なのは7台 | $71.92 | $52,502 | RunPod （新しいタブで開きます）8x B300 |
| 8台超：複数ノードが必 要: GB200 186GB, MI300X 192GB, B200 180GB, H200 141GB, GH200 96GB, H100 NVL 94GB, RTX PRO 6000 96GB, H100 80GB, A100 80GB, L40S 48GB, RTX 6000 Ada 48GB, RTX A6000 48GB, A40 48GB, A100 40GB, RTX 5090 32GB, RTX 4090 24GB, RTX 3090 24GB, L4 24GB, A10 24GB, T4 16GB, V100 16GB | ||||||
| プロバイダー | インスタンス | GPU 1台 / 時間 | 必要な台数 | 合計 / 時間 | 合計 / 月（24時間稼働） |
|---|---|---|---|---|---|
| RunPod （新しいタブで開きます）最安 | 8x B300us | $8.99 | 7 × B300 288GB 8台単位での提供。必要なのは7台 | 約$71.92 | 約$52,502 |
| Nebius （新しいタ ブで開きます） | 8x B300 288GBeu/us | $9.50 | 7 × B300 288GB 8台単位での提供。必要なのは7台 | 約$76.00 | 約$55,480 |
| AWS （新しいタブで開きます） | p6-b300.48xlargeus-east-1 | $17.80 | 7 × B300 288GB 8台単位での提供。必要なのは7台 | 約$142.42 | 約$103,964 |
価格は2026年11月13日時点。費用はすべて概算です（オンデマンド、米ドル、主に米国リージョン。Vast.aiなどのマーケットプレイスは世界全体）。
精度と用途ごとのメモリ
| 精度 | 推論 | LoRAファインチューニング | QLoRAファインチューニング | フルファインチューニング |
|---|---|---|---|---|
| FP16 / BF16 | 1,659 GB | 1,934 GB | – | 13,270 GB |
| INT8 | 872 GB | – | – | – |
| INT4 | 437 GB | – | 712 GB | – |
精度別の最安GPU
8Kコンテキスト、同時リクエスト1件での推論。
FP16 / BF16
約1,659 GB · 8Kトークン
公開されたままの重み。劣化はありませんが、メモリは最も多く使います。
7 × B300 288GB
RunPod （新しいタブで開きます） · 8x B300
8台単位での提供。必要なのは7台- GPU 1台 / 時間
- $8.99
- 必要な台数
- 7
- 合計 / 時間
- 約$71.92
- 月額（24時間稼働、概算）
- $52,502
INT8
約872 GB · 8Kトークン
重みは半分の大きさ。チャットやRAGではほとんど差が出ません。
6 × MI300X 192GB
RunPod （新しいタブで開きます） · 8x MI300X
8台単位での提供。必要なのは6台- GPU 1台 / 時間
- $2.39
- 必要な台数
- 6
- 合計 / 時間
- 約$19.12
- 月額（24時間稼働、概算）
- $13,958
INT4
約437 GB · 8Kトークン
重みは4分の1の大きさ。小さな劣化はまず数学やコードに表れます。
3 × MI300X 192GB
RunPod （新しいタブで開きます） · 4x MI300X
4台単位での提供。必要なのは3台- GPU 1台 / 時間
- $2.39
- 必要な台数
- 3
- 合計 / 時間
- 約$9.56
- 月額（24時間稼働、概算）
- $6,979
推論とファインチューニング
推論 (FP16)
1×
（推論時のメモリ比）
1,659 GB
7 × B300 288GB · 約$71.92
LoRAファインチューニング
1.2×
（推論時のメモリ比）
1,934 GB
8 × B300 288GB · 約$71.92
QLoRAファインチューニング
0.4×
（推論時のメモリ比）
712 GB
5 × MI300X 192GB · 約$19.12
フルファインチューニング
8×
（推論時のメモリ比）
13,270 GB
8台構成のノード1つでは足りません
FP16での推論は7 × B300 288GB (RunPod)で足ります。LoRAは8 × B300 288GB (RunPod)、QLoRAは5 × MI300X 192GB (RunPod)、フルファインチューニングは8台構成のノード1つでは足りませんが必要で す。学習では重みに加えてアクティベーションとオプティマイザーの状態もメモリに置くため、同じモデルの推論より多くのGPUが要ることがよくあります。
MacやRTX 4090 1枚で動くか
RTX 4090（24GB）
1枚では動きません。INT4でも約437 GB必要で、カードの24GBを超えます。2枚以上のカードか、より大きなデータセンター向けGPUが必要です。
Appleシリコン搭載Mac
現実的ではありません。INT4でも約437 GB必要で、最大構成のMacでもGPUに割り当てられる量を超えます。
自分で動かすか、トークン課金のAPIを使うか
自分で動かす
FP16で見つかった最安の構成はRunPodの7 × B300 288GBで、常時稼働なら月約$52,502です。トラフィックが安定している場合や、データを自社の環境から出せない場合に向いています。
似たモデル
規模が近いオープンモデル。
- GLM 5テキスト7538.6 億 · 約1,660 GB FP16 · 124万 ↓GPU要件
- GLM 5.1テキスト7538.6億 · 約1,660 GB FP16 · 79万 ↓GPU要件
- K-EXAONE 2.0テキスト7493.6億 · 約1,650 GB FP16 · 1.4万 ↓GPU要件
- Hy4 previewテキスト7799.6億 · 約1,718 GB FP16 · 1.2万 ↓GPU要件
- DeepSeek V3.2テキスト6853.6億 · 約1,509 GB FP16 · 844.2万 ↓GPU要件
- DeepSeek R1テキスト6844.9億 · 約1,508 GB FP16 · 165.4万 ↓GPU要件
GLM-5.3：よくある質問
GLM-5.3に必要なVRAMは？
8Kコンテキスト、同時リクエスト1件で、FP16は約1,659 GB、INT8は約872 GB、INT4は約437 GBです。コンテキストを長くしたり同時リクエストを増やしたりすると、その分KVキャッシュが増えます。
GLM-5.3を動かす最安のGPUは？
RunPodの7 × B300 288GB (約$8.99 GPU 1台・1時間あたり; 8台単位での提供。必要なのは7台)で、FP16 / BF16・8Kコンテキストの推論なら1時間あたり約$71.92です。価格は2026年11月13日時点で、頻繁に変わります。
GLM-5.3はGPU 1枚でファインチューニングできる？
GPU 1枚では無理です。QLoRAでも約712 GB必要で、80GBのGPUに収まりません。LoRAは約1,934 GB、フルファインチューニングは約13,270 GB必要です。
この数値はどう計算している？
重みはパラメータ数×1パラメータあたりのバイト数（FP16は2、INT8は1、INT4は0.5）です。KVキャッシュはモデルの層数、KVヘッド数、ヘッドサイズ、コンテキスト長から求めます。ランタイム用に約10%と1GBを加え、各GPUのメモリの90%まで使う前提です。価格は各プロバイダーの公開価格ページから集めた、米国リージョンのオンデマンド定価です。
GLM-5.3はRTX 4090のような一般向けGPUで動く？
1枚では動きません。INT4でも約437 GB必要で、カードの24GBを超えます。2枚以上のカードか、より大きなデータセンター向けGPUが必要です。
GLM-5.3はH100 80GB 1枚に収まる？
収まりません。INT4でも約437 GB必要なので、複数のGPUが要ります。
GLM-5.3にはGPUが何台必要？
FP16、8Kコンテキストの場合、80GBなら24台、48GBなら39台、24GBなら77台です。INT4なら重みのメモリはおよそ4分の1になります。
INT8のGLM-5.3に必要なVRAMは？
約872 GBです。内訳は重み791 GB、8KのKVキャッシュ0.74 GB、ランタイムのオーバーヘッド80 GBです。
GLM-5.3を1か月24時間動かすといくら？
私たちが見つけた最安の構成（7 × B300 288GB (約$8.99 GPU 1台・1時間あたり; 8台単位での提供。必要なのは7台)、1時間$71.92×730時間）で約$52,502です。AWS、Google Cloud、Azureの最安は月約$103,964です。
FP16、INT8、INT4のどれを使うべき？
FP16は品質を保ったまま使えますが、メモリは最も多く必要です（ここでは約1,659 GB）。INT8は重みが半分になり、多くのチャット用途では品質の低下はわずかです。INT4（AWQ、GPTQ、GGUF Q4）は重みが4分の1になり、合計約437 GBですが、数学やコードで目立つ程度の小さな品質低下があります。
GLM-5.3はMacで動く？
現実的ではありませ ん。INT4でも約437 GB必要で、最大構成のMacでもGPUに割り当てられる量を超えます。
vLLMとllama.cppのどちら？
vLLMはNVIDIAやAMDのGPUで多数のリクエストを同時に処理するためのもので、GPUメモリの大半をKVキャッシュに確保します。llama.cppはGGUFファイルをMacやCPUを含むほぼあらゆる環境で動かせ、個人や小さなチームに向いています。同じ精度なら必要なメモリはほぼ同じです。
価格は2026年11月13日時点。費用はすべて概算です（オンデマンド、米ドル、主に米国リージョン。Vast.aiなどのマーケットプレイスは世界全体）。
計算方法
- 重み： パラメータ数×1パラメータあたりのバイト数。FP16は2、INT8は1、INT4は0.5で、INT8とINT4には量子化スケール分として約5%を加えます。
- KVキャッシュ： 2×層数×KVヘッド数×ヘッドサイズ×コンテキスト長×リクエスト数×2バイト。値はモデルのconfig.jsonから取ります。欠けている値は推定し、その旨を表示します。
- オーバーヘッド： 約10%に加えてランタイム用に1GB。vLLMが確保する量とほぼ同じです。
- ファインチューニング： LoRAは16ビットの重みに小さなアダプター、そのオプティマイザー、アクティベーションを加えます。QLoRAは4ビットの重みで同じことをします。フルファインチューニングは混合精度のAdamで1パラメータあたり約16バイト（重み、勾配、オ プティマイザーの状態）にアクティベーションが加わります。
- GPU： 各GPUのメモリの90%まで使う前提で、1ノード8台までとします。費用は米国リージョンのオンデマンド定価で、マーケットプレイス型のクラウドは中央値です。