Alternatives plus légères
Des modèles qui demandent moins de mémoire que GLM 4.7 Flash et obtiennent un score proche ou meilleur.
GLM 4.7 Flash
MoE
Z.ai · 31,2B (3B actifs) · Mélange d'experts
GLM 4.7 Flash est un modèle de 31,2B de Z.ai avec un contexte de 198K tokens. En Q4_K_M avec 8K de contexte, il demande environ 17,8 Go ; 24 Go laissent de la marge pour les longues conversations.
Mélange d'experts
Paramètres: 31,2B · Actifs: 3B
Les 31,2B paramètres sont chargés en mémoire, mais seuls 3B travaillent sur chaque token : il tourne à la vitesse d'un modèle bien plus petit.
Options de quantification
| Quant. | Bits | Mémoire | Qualité | Sur votre matériel |
|---|---|---|---|---|
| Q2_K | 3,16 | — | Nettement moins bon | … |
| Q3_K_M | 4 | — | Légère perte | … |
| Q4_K_M | 4,89 | — | Bonne | … |
| Q5_K_M | 5,7 | — | Bonne | … |
| Q6_K | 6,56 | — | Quasi originale | … |
| Q8_0 | 8,5 | — | Quasi originale | … |
| F16 | 16 | — | Originale | … |
Mémoire selon le contexte
En Q4_K_M. Le cache du contexte grandit à chaque token que le modèle garde en tête.
| Contexte | Cache de contexte | 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 |
Pour aller plus loin
Comparez-le avec
Des modèles notés de taille proche, côte à côte sur votre appareil.
Le matériel minimal où il tourne bien
Les appareils de bureau avec le moins de mémoire qui donnent à GLM 4.7 Flash la note A ou S en Q4_K_M.
Puis-je faire tourner GLM 4.7 Flash en local ?
Puis-je faire tourner GLM 4.7 Flash en local ?
Oui, si votre GPU ou votre Mac dispose d'environ 17,8 Go libres en Q4_K_M. Ouvrez cette page sur cet ordinateur pour voir la note de votre matériel, puis lancez-le avec llama.cpp, Ollama ou LM Studio.
De combien de mémoire GLM 4.7 Flash a-t-il besoin ?
Environ 17,8 Go en Q4_K_M avec 8K de contexte et 30,4 Go en Q8_0. Les quantifications plus basses tiennent sur des cartes plus petites avec une perte de qualité ; les longs contextes s'ajoutent au total.