Kleinere Alternativen
Modelle, die weniger Speicher als GLM 5.3 Flash brauchen und etwa gleich gut oder besser abschneiden.
GLM 5.3 Flash
MoEVision
Z.ai · 321,3B (18B aktiv) · Mixture of Experts
GLM 5.3 Flash ist ein 321,3B-Modell von Z.ai mit 1M Token Kontext. In Q4_K_M mit 8K Kontext braucht es etwa 176,1 GB; mit 222 GB bleibt Luft für lange Chats.
Mixture of Experts
Parameter: 321,3B · Aktiv: 18B
Alle 321,3B Parameter liegen im Speicher, aber nur 18B arbeiten pro Token – es läuft also so schnell wie ein viel kleineres Modell.
Quantisierungsoptionen
| Quant. | Bits | Speicher | Qualität | Auf deiner Hardware |
|---|---|---|---|---|
| Q2_K | 3,16 | — | Spürbar schlechter | … |
| Q3_K_M | 4 | — | Etwas Verlust | … |
| Q4_K_M | 4,89 | — | Gut | … |
| Q5_K_M | 5,7 | — | Gut | … |
| Q6_K | 6,56 | — | Fast original | … |
| Q8_0 | 8,5 | — | Fast original | … |
| F16 | 16 | — | Original | … |
Speicher nach Kontextlänge
In Q4_K_M. Der Kontext-Cache wächst mit jedem Token, das das Modell im Blick behält.
| Kontext | Kontext-Cache | Gesamt |
|---|---|---|
| 4K | 0,1 GB | 176,1 GB |
| 8K | 0,1 GB | 176,1 GB |
| 32K | 0,4 GB | 176,4 GB |
| 128K | 1,7 GB | 177,7 GB |
| 256K | 3,4 GB | 179,5 GB |
Nächste Schritte
Vergleiche es mit
Bewertete Modelle ähnlicher Größe, nebeneinander auf deinem Gerät.
Die kleinste Hardware, auf der es gut läuft
Desktop-Geräte mit dem wenigsten Speicher, die GLM 5.3 Flash bei Q4_K_M Note A oder S geben.
Kann ich GLM 5.3 Flash lokal ausführen?
Kann ich GLM 5.3 Flash lokal ausführen?
Ja, wenn deine GPU oder dein Mac in Q4_K_M etwa 176,1 GB frei hat. Öffne diese Seite auf dem Rechner, um die Note für deine Hardware zu sehen, und starte es mit llama.cpp, Ollama oder LM Studio.
Wie viel Speicher braucht GLM 5.3 Flash?
Etwa 176,1 GB in Q4_K_M mit 8K Kontext und 318 GB in Q8_0. Niedrigere Quantisierungen passen auf kleinere Karten, mit etwas Qualitätsverlust; längerer Kontext kommt hinzu.