GLM-4.6 TPS kalkulátor
Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..
Vypočteno pro tento model
818 karty, které máme specifikace pro
Nejmenší karta, která se vejde
Radeon Instinct MI325X
256 GB · Q4_K_M · 12.8 tok/s
Nejrychlejší karta
B300
17.0 tok/s · 288 GB
Které GPU mohou spustit GLM-4.6?
Nastavte vstupy, přečtěte si odpověď
Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..
Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.
4 karty odpovídají
Vypočítávání| Potřebuje | Kvantisace | Pohodlné | |||||
|---|---|---|---|---|---|---|---|
|
17.0
tok/s
10–27 · nízká důvěra |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 258.2 GB | Q5_K_M | Těsný |
|
13.5
tok/s
8–22 · nízká důvěra |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 258.2 GB | Q5_K_M | Těsný |
|
13.5
tok/s
8–22 · nízká důvěra |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 258.2 GB | Q5_K_M | Těsný |
|
12.8
tok/s
8–21 · nízká důvěra |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 216.7 GB | Q4_K_M | Těsný |
Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Z.ai (Zhipu AI),Tsinghua University
- Typ organizace
- Industry,Academia
- Země
- China
- Publikováno
- 30 September 2025
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation, Question answering, Code generation, Quantitative reasoning, System control
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 357B
- Výcviková data
- 23,000,000,000,000 tokens
Similarly to GLM 4.5: 355 billion total parameters (reported) with 32 billion active parameters (assumed)
23T tokens (from Jaime's correspondence with the GLM team)
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 4.4 × 10²⁴ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP/parameter/token * 32000000000 active parameters [very likely assumption - everything else is reported to be same as at GLM 4.5] * 23000000000000 tokens = 4.42e24 FLOP
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Doba reálného času
- 2,880 hours (120 days)
4 months (from Jaime's correspondence with the GLM team) 4 months * 30 days * 24 hours = 2880 hours
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Unreleased
- Hugging Face
- zai-org
MIT license https://huggingface.co/zai-org/GLM-4.6
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- Discretionary
- Záznam důvěry
- Likely
"We evaluated GLM-4.6 across eight public benchmarks covering agents, reasoning, and coding. Results show clear gains over GLM-4.5, with GLM-4.6 also holding competitive advantages over leading domestic and international models such as DeepSeek-V3.1-Terminus and Claude Sonnet 4."
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- GLM-4.6: Advanced Agentic, Reasoning and Coding Capabilities
- Nap poslední aktualizace
- 30 December 2025
Extrémy
Deset nejrychlejších GPU, které běží GLM-4.6
Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..
Nejmenší GPU, které ještě běží GLM-4.6
Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..
- 01 Radeon Instinct MI325X 256 GB · Potřebuje 216.7 GB · Q4_K_M · Těsný 12.8 tok/s
- 02 B300 288 GB · Potřebuje 258.2 GB · Q5_K_M · Těsný 17.0 tok/s
- 03 Radeon Instinct MI350X 288 GB · Potřebuje 258.2 GB · Q5_K_M · Těsný 13.5 tok/s
- 04 Radeon Instinct MI355X 288 GB · Potřebuje 258.2 GB · Q5_K_M · Těsný 13.5 tok/s
Co čísla znamenají
Co je potřeba k provozování tohoto modelu
Minimum karta
Radeon Instinct MI325X
Potřeba paměti
216.7 GB
Nejrychlejší
17.0 tok/s
GLM-4.6 dosahuje počtu parametrů 357B. To je nad rámec toho, co jakákoliv jednotlivá GPU karta pojme. Spuštění znamená buď rozdělení na několik karet, nebo pronájem hardwaru určeného k této práci, a každá karta schopná to unést samostatně je součástí datacentra. Počet, který může: 4.
Nejmenší karta, která to pojme, je Radeon Instinct MI325X, s kapacitou VRAM 256 GB, spuštění na kompresi Q4_K_M a vyrábějí kolem 12.8 tokenů za sekundu
Špičkový model je B300, generování přibližně 17.0 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.
Co je tento MODEL
GLM-4.6 byl zveřejněn Z.ai (Zhipu AI),Tsinghua University, v zemi zaznamenané jako China, během September 2025. Kategorie, do které vydavatel spadá, je industry,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Code generation, Quantitative reasoning, System control.
Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou. Na Hugging Face je publikováno pod organizací zai-org.
Co rozhoduje o rychlosti
Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 13.5 tokens za sekundu. Překračující rychlost čtení rovnou: 4 z nich
Každá váha se účastní každého tokenu zde, takže šířka pásma je celá historie: hodnocení níže je ve skutečnosti hodnocením propustnosti paměti.
Jeho vnitřní architektura není v evidenci, takže paměť je přibližně odhadnuta z počtu parametrů a označena odpovídajícím způsobem. Očekávejte, že skutečná čísla se budou lišit, zejména u dlouhého kontextu.
Trénink a původ
Trenovací běh spotřeboval asi 4.4 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 23,000,000,000,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: discretionary.
Krok za krokem
Jak vybrat GPU pro GLM-4.6
Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.
-
01
Přečtěte si nejprve číslo paměti
Začněte od toho, co skutečně potřebuje, což je požadavek na GLM-4.6, potřebující kolem 216.7 GB při kompresi Q4_K_M. Tato čísla, nikoli hlavní výkon karty, rozhodují o tom, zda běží.
-
02
Přizpůsobte kontext svému skutečnému použití
Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro GLM-4.6.
-
03
Vyberte, jak moc to budete komprimovat.
Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q4_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
-
04
Třídit podle rychlosti
Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. GLM-4.6. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B300, na 17.0 tok/s
-
05
Podívejte se na rezervu, ne jen na padnutí
Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě GLM-4.6. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
-
06
Zkontrolujte kartu z druhé strany
Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro GLM-4.6.
Odpovědi
GLM-4.6 — běžné otázky
GLM-4.6— Mohu to spustit, pokud se to nevejde do mé GPU?
Může být rozdělen mezi GPU kartu a systémovou paměť, ale v tomto případě se generuje bolestivě pomalu. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 43.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.
GLM-4.6— Běhalo by to rychleji na dvou GPU?
Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 4. Takže druhá karta je tu zřídka odpovědí.
GLM-4.6— proč se kvantizace liší mezi kartami?
Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 2. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.
GLM-4.6— Jak přesné jsou tyto odhady rychlosti?
Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: 10–27 tok/s na B300. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.
GLM-4.6— Jakou GPU potřebuji k jejímu spuštění?
Nejmenší karta v našem katalogu, která to udrží, je Radeon Instinct MI325X, s kapacitou VRAM 256 GB. Spouští model při kompresi Q4_K_M používající přibližně 216.7 GB, a produkuje přibližně 12.8 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 4.
GLM-4.6— jak rychle je to na GPU?
Záleží na kartě. Nejrychleji, jak to spočítáme, je B300, přibližně 17.0 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 4.
GLM-4.6— kolik VRAM potřebuje?
Potřebuje asi 216.7 GB při kompresi Q4_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.
GLM-4.6— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
GLM-4.6— kolik má parametrů?
Má počet parametrů 357B. Similarly to GLM 4.5: 355 billion total parameters (reported) with 32 billion active parameters (assumed). Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
GLM-4.6— Kdo to vytvořil?
Bylo to publikováno společností Z.ai (Zhipu AI),Tsinghua University, zakládající se na China, organizace zařazená jako industry,Academia.
GLM-4.6— Kdy byl vydán?
Bylo to zveřejněno v September 2025.
GLM-4.6— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Code generation, Quantitative reasoning, System control. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
GLM-4.6— kde si to mohu stáhnout?
Jeho váhy jsou publikovány na Hugging Face, pod organizací zai-org. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.
GLM-4.6— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4.4 × 10²⁴ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.