Alternativas más pequeñas
Modelos que necesitan menos memoria que GLM 4.7 Flash y puntúan casi igual o mejor.
GLM 4.7 Flash
MoE
Z.ai · 31,2B (3B activos) · Mezcla de expertos
GLM 4.7 Flash es un modelo de 31,2B de Z.ai con un contexto de 198K tokens. En Q4_K_M con 8K de contexto necesita unos 17,8 GB; con 24 GB tienes margen para conversaciones largas.
Mezcla de expertos
Parámetros: 31,2B · Activos: 3B
Los 31,2B parámetros se cargan en memoria, pero sólo 3B trabajan en cada token, así que va a la velocidad de un modelo mucho más pequeño.
Opciones de cuantización
| Cuant. | Bits | Memoria | Calidad | En tu hardware |
|---|---|---|---|---|
| Q2_K | 3,16 | — | Peor, se nota | … |
| Q3_K_M | 4 | — | Algo de pérdida | … |
| Q4_K_M | 4,89 | — | Buena | … |
| Q5_K_M | 5,7 | — | Buena | … |
| Q6_K | 6,56 | — | Casi original | … |
| Q8_0 | 8,5 | — | Casi original | … |
| F16 | 16 | — | Original | … |
Memoria según el contexto
En Q4_K_M. La caché del contexto crece con cada token que el modelo recuerda.
| Contexto | Caché de contexto | Total |
|---|---|---|
| 4K | 0,2 GB | 17,6 GB |
| 8K | 0,4 GB | 17,8 GB |
| 32K | 1,7 GB | 19 GB |
| 128K | 6,6 GB | 24 GB |
Siguiente paso
Compáralo con
Modelos puntuados de tamaño parecido, lado a lado en tu dispositivo.
El hardware mínimo donde va bien
Equipos de escritorio con la menor memoria que dan a GLM 4.7 Flash nota A o S en Q4_K_M.
¿Puedo ejecutar GLM 4.7 Flash en local?
¿Puedo ejecutar GLM 4.7 Flash en local?
Sí, si tu GPU o tu Mac tiene unos 17,8 GB libres para él en Q4_K_M. Abre esta página en ese ordenador para ver la nota de tu hardware exacto y arráncalo con llama.cpp, Ollama o LM Studio.
¿Cuánta memoria necesita GLM 4.7 Flash?
Unos 17,8 GB en Q4_K_M con 8K de contexto y 30,4 GB en Q8_0. Las cuantizaciones más bajas caben en tarjetas más pequeñas con algo de pérdida de calidad; los contextos largos suman al total.