GLM-4.7-Flash 30B-A3B を動かすPCスペック（必要VRAM・メモリ・速度の目安）

Z.ai ・公開 2026-01 ・ 29.94Bパラメータ（MoE・アクティブ3B）・データ更新 2026-10-02

MLA採用でKVキャッシュが小さい軽量MoE

19GB4bitで動かすのに要るメモリ（会話8,192トークン分込み）

VRAM 20GB実用になるいちばん安いGPU: Radeon RX 7900 XT

32GB実用になるいちばん小さいMac: M2 Max（32GB）

202,752最大コンテキスト（学習時）

編集部の見立て

Z.aiが2026年1月に公開した、総29.94B・アクティブ3BのMoEです。コード用途のタグが付き、比べる相手はQwen3-Coder 30B-A3Bです。必要なのはQ4_K_Mの17.1GBと8kぶんのKVで、合計18.9GB。VRAM 16GBには標準の量子化が収まりません。

20GBのRadeon RX 7900 XTが推定127.8tok/s、32GBのApple M2 Maxが推定79.8tok/s。GPUを持たないRyzen AI Max+ 395（32GB）でも推定40.9tok/sなので、20GB以上のGPUか32GB以上のPCでコード補助を回す人向け。

量子化別の必要メモリ

ファイルサイズは Hugging Face（unsloth/GLM-4.7-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（47層・KVを圧縮するMLA方式）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	10GB	0.8GB	12GB	VRAM 16GB〜	18GB〜
2bit（Q2_K）品質劣化大。最後の手段	11GB	0.8GB	12GB	VRAM 16GB〜	24GB〜
3bit（Q3_K_M）メモリ優先	14GB	0.8GB	15GB	VRAM 16GB〜	24GB〜
4bit（IQ4_XS） Q4_K_Mより一回り小さい	15GB	0.8GB	17GB	VRAM 20GB〜	32GB〜
4bit（MXFP4 MoE） MoE専用のMXFP4	16GB	0.8GB	18GB	VRAM 20GB〜	32GB〜
4bit（Q4_K_M）標準。迷ったらこれ	17GB	0.8GB	19GB	VRAM 20GB〜	32GB〜
5bit（Q5_K_M）品質重視	20GB	0.8GB	22GB	VRAM 24GB〜	36GB〜
6bit（Q6_K）ほぼ無劣化	23GB	0.8GB	25GB	VRAM 32GB〜	48GB〜
8bit（Q8_0）無劣化に近い	30GB	0.8GB	32GB	VRAM 48GB〜	48GB〜
16bit（BF16）元精度	56GB	0.8GB	59GB	GPU単体では不可	96GB〜

モデルの構造と、必要メモリの増え方

GLM-4.7-Flash 30B-A3BはZ.aiが2026年1月に公開した29.94Bのモデルです。GGUFのヘッダには47層と書かれており、総パラメータ29.94Bのうち、1トークンの生成で実際に読むのは約3Bです（MoE）。メモリには全部を載せる必要がある一方、毎回読み出す量はアクティブパラメータのぶんで済むため、同じサイズのdense型より速く動きます。

KVを低ランク（rank 512）に圧縮するMLA方式です。同じ規模の一般的なモデルよりKVキャッシュが小さく済みます。1トークンあたりのKVキャッシュは約100KB（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0.8GB、128Kトークンまで伸ばすと12GB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

KVを低ランクに圧縮するMLAを採り、1トークン100KB。同じ規模のQwen3 30B-A3Bは96KBなので、KVの軽さでは差がつきません。学習時上限の202,752トークンまで伸ばすとKVは約19.3GBで、本体とほぼ同じ量が要ります。32kなら約3.1GB。

量子化にはMXFP4_MOE（15.8GB）もあり、Q4_K_Mより1.3GB小さい。多段のエージェント作業では、考えた内容を次のターンに持ち越すPreserved Thinkingを有効にするよう配布元が案内しています。標準の設定はTemperature 1.0、Top-p 0.95。

vLLMとSGLangは開発版でのみ対応と書かれているので、サーバーで動かすなら版を合わせましょう。ライセンスはMITです。

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deepseek2で、当サイト収録の204モデル中4本が同じ系統です。DeepSeek系。KVを圧縮するMLAを使い、同規模のモデルよりKVキャッシュが小さく済みます。

配布元はunsloth/GLM-4.7-Flash-GGUF、元になったモデルはzai-org/GLM-4.7-Flashです。

得意分野はコードを書く作業です。

同じZ.aiのモデルでは、サイズの近いものにGLM-4.6V-Flash 9B（9.4B）、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）（17GB）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。MLA（圧縮KV）採用のため、長いコンテキストでもKVが小さく収まります。

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	0.4GB	18GB	VRAM 20GB〜	32GB〜
8,192既定	0.8GB	19GB	VRAM 20GB〜	32GB〜
16,384	1.6GB	20GB	VRAM 24GB〜	32GB〜
32,768	3.1GB	21GB	VRAM 24GB〜	32GB〜
65,536	6.2GB	24GB	VRAM 32GB〜	48GB〜
131,072	12GB	31GB	VRAM 32GB〜	48GB〜

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3.1GBから約1.6GB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
North Mini Code 1.0	Cohere Labs	19GB	コード用途を名前に掲げた30BのMoE。Apache 2.0。メモリ32GB級から
Qwen3-Swallow 30B-A3B	Swallow（東京科学大学・産総研）	19GB	Qwen3 30B-A3Bに日本語を追加学習したMoE。VRAM 20GB級のGPUやMac 32GBで速い
Qwen3-VL 30B-A3B	Alibaba	19GB	画像を読めるQwen3のMoE（アクティブ3B級）。VRAM 20GB / Mac 32GBから
Qwen3 30B-A3B	Alibaba	19GB	MoE型で、メモリさえ足りれば速い。Macやメモリ多めのPC向き
Qwen3-Coder 30B-A3B	Alibaba	19GB	ローカルのコード補助の定番MoE
Granite 4.2 30B	IBM	20GB	IBMの業務向け30B（dense型）。Apache 2.0。VRAM 20GB / Mac 32GBから