OnvergeAI·临界智能
MODELS · 临界智能

GLM-4-9B-Chat本地部署:显存要求与商用许可

GLM-4-9B-Chat(9B,上下文 131072 tokens):FP16 显存约 18GB、INT8 约 9GB、INT4 约 5GB;许可:GLM-4 License(自建许可);适配 vLLM/SGLang/MindIE;权重要从官方仓库取用,参数以官方资料为准。

许可与商用条件

许可GLM-4 License(自建许可)
权重许可GLM-4 License(自建许可)
代码许可Apache-2.0(代码仓库,须逐项核验)
商用条件允许商用,但须在用户协议或产品界面中声明使用了 GLM 模型并遵守许可条款;不得移除声明;具体条件以官方原文为准
训练/微调限制条款涉及使用输出进行训练的约束,须以官方原文逐条确认
禁止用途违法用途、侵权用途、生成违法有害内容等
适用辖区以官方原文为准
再分发与衍生再分发须随附许可文本并保留声明
衍生模型须保留声明,命名要求以原文为准
署名要求需展示「须在产品或用户协议中注明使用了 GLM 模型(署名要求以原文为准)」
许可原文官方许可文本(LIC-GLM4-9B-001)

许可结论以官方许可文本为准,并随版本更新变化;商用前建议逐版本复核。

显存与硬件门槛

项目数值
参数量9B(激活 9B)
FP16 显存(约)18.00 GB
INT8 显存(约)9.00 GB
INT4 显存(约)4.50 GB
上下文长度131072 tokens
权重体积(约)9.00 GB
引擎适配vLLM / SGLang / MindIE

显存为权重占用估算口径(FP16 约 2GB/十亿参数、INT8 约 1GB、INT4 约 0.5GB),不含 KV 缓存与并发开销;与 显存与并发估算器同一口径,按并发与上下文长度可在估算器里复算。

量化与实测口径:INT4 量化后可在单张 24GB 卡运行中小并发

典型企业落地场景

可直接落地的高频场景:

  • 长文档处理
  • 知识库问答
  • 要点提取

上下文长、显存门槛低,适合长文档与知识库场景试点

不适用:长上下文下的显存与吞吐需实测;许可含使用声明与署名要求,须逐版本核验

能力评测

官方公开基准成绩,长上下文表现与推理设置强相关

评测口径由厂商提供,未经本站第三方复测;实际效果以自有业务测试集为准。

官方下载源

官方页面:https://www.zhipuai.cn
权重下载:https://github.com/THUDM/GLM-4

本站不托管模型权重;下载与使用受官方许可约束。内网离线环境可由部署服务协助做内网镜像与哈希校验。

来源与核验:公开资料整理

用这个模型做私有化部署?

按参数量与并发估算硬件预算,或先做许可与 PoC 评估。

按此模型估算部署预算 模型选型服务 硬件选型与代采

※ 以上参数来自官方公开资料与本站核验记录,不构成对具体项目效果的承诺;以官方许可文本与环境实测为准。

先做一次 30 分钟的需求梳理

说出你的行业、数据边界与预算区间,我们在 1 个工作日内给出可验证的下一步。