GLM-4.6V-Flash 9B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Z.ai ・公開 2025-12 ・ 9.4Bパラメータ・データ更新 2026-10-02

画像理解の軽量モデル

6.7GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 8GB実用になるいちばん安いGPU: GeForce RTX 3070 Ti

16GB実用になるいちばん小さいMac: M2 Pro（16GB）

131,072最大コンテキスト（学習時）

編集部の見立て

スクリーンショットや書類の画像を読ませる用途に絞った9Bです。Z.aiは106Bの上位版と並べて、手元での動作と低遅延向けの軽量版と位置づけています。画像を道具への入力としてそのまま渡せる関数呼び出しが売りで、画面写真からHTMLを起こす使い方も配布元が挙げています。

Q4_K_Mは5.7GB、8kの文脈を足して6.7GB。当サイトの推定ではRTX 3070 Tiが69.6tok/s、16GBのM2 Proが26tok/sです。VRAM 8GBの人が画像AIを始める候補です。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/GLM-4.6V-Flash-GGUF）に置かれている実際のファイルサイズです。KVキャッシュ（会話の作業メモリ）は8,192トークン・fp16として、モデルの構造（40層）から計算しています。必要メモリの合計には計算用のバッファも含めています。

量子化	ファイル	KVキャッシュ（8k）	必要合計	GPUなら	Macなら
2bit（IQ2_M）品質劣化大。最後の手段	3.7GB	0.3GB	4.6GB	VRAM 6GB〜	8GB〜
2bit（Q2_K）品質劣化大。最後の手段	3.7GB	0.3GB	4.7GB	VRAM 6GB〜	8GB〜
3bit（Q3_K_M）メモリ優先	4.6GB	0.3GB	5.6GB	VRAM 8GB〜	16GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	4.9GB	0.3GB	5.9GB	VRAM 8GB〜	16GB〜
4bit（Q4_K_M）標準。迷ったらこれ	5.7GB	0.3GB	6.7GB	VRAM 8GB〜	16GB〜
5bit（Q5_K_M）品質重視	6.6GB	0.3GB	7.6GB	VRAM 10GB〜	16GB〜
6bit（Q6_K）ほぼ無劣化	7.7GB	0.3GB	8.7GB	VRAM 10GB〜	16GB〜
8bit（Q8_0）無劣化に近い	9.3GB	0.3GB	10GB	VRAM 11GB〜	16GB〜
16bit（BF16）元精度	18GB	0.3GB	19GB	VRAM 20GB〜	32GB〜

モデルの構造と、必要メモリの増え方

GLM-4.6V-Flash 9BはZ.aiが2025年12月に公開した9.4Bのモデルです。GGUFのヘッダには40層と書かれており、全パラメータを毎回読み出すdense型なので、生成速度はファイルサイズとメモリ帯域幅でほぼ決まります。全40層が全域注意で、KVヘッド2・head次元128。

KVキャッシュはトークン数に正比例して増えます。1トークンあたりのKVキャッシュは約40KB（fp16）で、コンテキスト長にそのまま比例します。実際の値は、8,192トークンで0.3GB、学習時の上限131,072トークンまで伸ばすと5.0GBです。

ライセンス表記: mit（層数と窓の大きさはGGUFヘッダから取得）

このモデルを実際に使うなら

配布元が自ら挙げる弱点を先に知っておくと、期待外れを防げます。文章だけの質疑はまだ伸びしろが大きい。複雑な指示で考えすぎたり同じことを繰り返したりする、数を数えるのが苦手、といった点です。文章中心の仕事なら同じ9B級のQwen3.5 9B（4bitで6.2GB）を並べて選びましょう。

llama.cppで画像を読ませるには、本体とは別に視覚エンコーダーのmmprojファイルを読み込ませます。注意の層は40層とも全域を見る方式で、1トークンあたりのKVは40KB。128kの上限まで書類を積むと約5GBで、VRAM 8GBでは本体と合わせて足りません。

配布元の評価設定はTemperature 0.8、top_p 0.6、繰り返しペナルティ1.1です。ライセンスはMIT。

このモデルの系統

GGUFヘッダに書かれたアーキテクチャはglm4で、当サイト収録の204モデル中1本が同じ系統です。ツール側の対応状況は、使う前に確認しておくと確実です。

配布元はunsloth/GLM-4.6V-Flash-GGUF、元になったモデルはzai-org/GLM-4.6V-Flashです。

得意分野は画像を含む文書の読み取りです。

同じZ.aiのモデルでは、サイズの近いものにGLM-4.7-Flash 30B-A3B（29.94B）、GLM-4.5-Air 106B-A12B（110.47B）、GLM-5.3-Flash（320.76B）があります。

コンテキスト長を伸ばすと必要メモリはどう増えるか

長い文書を渡す、会話を続ける、コードベース全体を読ませる。こうした使い方ではコンテキスト長を伸ばしますが、その分KVキャッシュがメモリを食います。4bit（Q4_K_M）（5.7GB）を前提に、コンテキスト長ごとの必要メモリを計算しました。全層が全域注意なので、コンテキスト長に比例してKVが増えます。

コンテキスト	KVキャッシュ	必要合計	必要なGPU	必要なMac
4,096	0.2GB	6.6GB	VRAM 8GB〜	16GB〜
8,192既定	0.3GB	6.7GB	VRAM 8GB〜	16GB〜
16,384	0.6GB	7.0GB	VRAM 8GB〜	16GB〜
32,768	1.3GB	7.7GB	VRAM 10GB〜	16GB〜
65,536	2.5GB	8.9GB	VRAM 10GB〜	16GB〜
131,072	5.0GB	11GB	VRAM 12GB〜	18GB〜

KVキャッシュをq8_0に量子化すると、32,768トークンでのKVは約1.3GBから約0.6GBに減ります（品質はわずかに落ちます）。

同じサイズ帯の他のモデル

モデル	開発元	4bitで必要	一言
PLaMo 2 Translate	Preferred Networks	5.2GB	国産の翻訳専用モデル（約10B）。チャットではなく日英・英日の翻訳に使う
Gemma-2-Llama-Swallow 9B	Swallow（東京科学大学・産総研）	8.0GB	Gemma 2 9Bの日本語強化版。4bitならVRAM 8GBに収まる
Gemma 2 9B	Google	8.0GB	Gemma 2の9B。Swallow版など派生モデルの元。4bitならVRAM 8GBに収まる
MiMo-V2.6-Distill-Qwen-9B	Xiaomi	6.4GB	XiaomiがQwen3.5 9Bを自社MiMoの出力で追加学習したエージェント向け9B。MIT。4bitならVRAM 8GB / Mac 16GBから
Ornith 1.5 9B	ornith-ai	6.4GB	Ornith 1.5の9B（dense型）。MIT。4bitならVRAM 8GBに収まり、GPUなしのメモリ16GBでも動く
UI-Mate 9B	Tencent	6.4GB	画面・UIの理解を名前に掲げた9B。ブラウザ操作エージェント向け。VRAM 8GBで動く