glm-4.7-flash本地部署

本地环境情况:

GPU:4090(48GB)* 2

RAM:512GB

使用docker运行多个模型实例,目标为了显存的复用

使用的镜像

vllm/vllm-openai:nightly

运行命令:

nginx 复制代码
docker run -d --name glm-4.7-flash-vllm \
  --gpus '"device=0,1"' \
  -v /home/ls/.cache/modelscope/hub/models/ZhipuAI/GLM-4.7-Flash:/app/models \
  --ipc=host \
  -p 8003:8000 \
  vllm/vllm-openai:nightly \
  --model /app/models \
  --tensor-parallel-size 2 \
  --gpu-memory-utilization 0.95 \
  --speculative-config.method mtp \
  --speculative-config.num_speculative_tokens 1 \
  --tool-call-parser glm47 \
  --reasoning-parser glm45 \
  --enable-auto-tool-choice \
  --max-model-len=32768 \
  --max_num_seqs=8 \
  --served-model-name glm-4.7-flash

不出意外肯定要报错了:

(APIServer pid=1) You can update Transformers with the command pip install --upgrade transformers. If this does not work, and the checkpoint is very new, then there may not be a release version that supports this model yet. In this case, you can get the most up-to-date code by installing Transformers from source with the command pip install git+https://github.com/huggingface/transformers.git type=value_error, input_value=ArgsKwargs((), {'model': ...rocessor_plugin': None}), input_type=ArgsKwargs

(APIServer pid=1) For further information visit https://errors.pydantic.dev/2.12/v/value_error

意思是:nightly预览版里面的transformers的版本还是太低了。。。

升级transformers版本
  1. 构建本地docker镜像
nginx 复制代码
mkdir -p ~/vllm-glm47 && cd ~/vllm-glm47

cat > Dockerfile << 'EOF'
FROM vllm/vllm-openai:nightly

RUN pip install --upgrade transformers accelerate -q

ENTRYPOINT ["python3", "-m", "vllm.entrypoints.openai.api_server"]
EOF

docker build -t vllm-glm47:latest .
  1. 运行命令改成:
nginx 复制代码
docker run -d --name glm-4.7-flash-vllm \
  --gpus '"device=0,1"' \
  -v /home/ls/.cache/modelscope/hub/models/ZhipuAI/GLM-4.7-Flash:/app/models \
  --ipc=host \
  -p 8003:8000 \
  vllm-glm47:latest \
  --model /app/models \
  --tensor-parallel-size 2 \
  --gpu-memory-utilization 0.95 \
  --speculative-config.method mtp \
  --speculative-config.num_speculative_tokens 1 \
  --tool-call-parser glm47 \
  --reasoning-parser glm45 \
  --enable-auto-tool-choice \
  --max-model-len=32768 \
  --max_num_seqs=8 \
  --served-model-name glm-4.7-flash
  1. 当然如果想在docker bash升级测试也可以
nginx 复制代码
# 0. 进入bash环境
docker run -it --rm \
  --gpus '"device=1"' \
  -v /home/ls/.cache/modelscope/hub/models/ZhipuAI/GLM-4.7-Flash:/app/models \
  --ipc=host \
  -p 8003:8000 \
  --entrypoint /bin/bash \
  vllm/vllm-openai:nightly



# 1. 升级依赖
pip install --upgrade transformers accelerate

# 2. 验证版本
python -c "import transformers; print(transformers.__version__)"

# 3. 手动启动服务
python -m vllm.entrypoints.openai.api_server \
  --model /app/models \
  --speculative-config.method mtp \
  --speculative-config.num_speculative_tokens 1 \
  --tool-call-parser glm47 \
  --reasoning-parser glm45 \
  --enable-auto-tool-choice \
  --max-model-len=32768 \
  --max_num_seqs=8 \
  --served-model-name glm-4.7-flash

如果运行爆显存

调整相关参数:--max-model-len=32768、--max_num_seqs=8

相关推荐
long31629 分钟前
封装(Encapsulation)
java·人工智能·ai·ai编程
张忠琳41 分钟前
【deepseek-harness】DSH 文档合辑 · 篇一:核心架构与概览
ai·agent·deepseek·harness
云烟成雨TD1 小时前
LlamaIndex 系列【5】智能体开发:大语言模型接入与基础调用
ai·agent·rag·llamaindex
小白跃升坊2 小时前
DeepSeek 多模态 API 调用完全指南:从调用到效果,一篇讲透
ai·大语言模型
VIP_CQCRE2 小时前
用 Ace Data Cloud 快速接入 MiniMax H3:把 AI 视频生成能力变成可调用的生产力
ai·aigc·api·视频生成·acedatacloud
赵大仁2 小时前
AI 限流 UX 设计:排队、降级、告知与用户预期管理
前端·ai·限流·用户体验·产品设计
秋饼2 小时前
LangChain4j + Java 实现企业级 Text-to-SQL 智能问数系统:从自然语言到安全可控的数据洞察
java·ai·技术分享·后端开发
前沿在线3 小时前
WRC2026丨当机器开始理解人的意图,人机交互走向更多场景
人工智能·ai·大模型
CoderJia程序员甲3 小时前
GitHub 热榜项目 - 周榜(2026-08-22)
ai·大模型·llm·github·ai教程
俊哥V3 小时前
每日 AI 研究简报 · 2026-08-22
人工智能·ai