GLM-4.7 TPS kalkulátor

Otevřít váhy Z.ai (Zhipu AI) 358B parametry December 2025

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

7 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

B200

180 GB · Q3_K_M · 142 tok/s

Nejrychlejší karta

B200

142 tok/s · 180 GB

Které GPU mohou spustit GLM-4.7?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

7 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
142 tok/s 85–227 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	155.2 GB	Q3_K_M	Těsný
93.9 tok/s 56–150 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	238.5 GB	Q5_K_M	Těsný
75.0 tok/s 45–120 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	238.5 GB	Q5_K_M	Těsný
75.0 tok/s 45–120 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	238.5 GB	Q5_K_M	Těsný
73.7 tok/s 44–118 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	155.2 GB	Q3_K_M	Těsný
73.7 tok/s 44–118 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	155.2 GB	Q3_K_M	Těsný
71.0 tok/s 43–114 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	196.8 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)
Typ organizace: Industry
Země: China
Publikováno: 22 December 2025

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling/generation, Code generation
Základní model: GLM-4.5

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 358B
Výcviková data: tokens

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

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

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

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Nap poslední aktualizace: 29 January 2026

Extrémy

Deset nejrychlejších GPU, které běží GLM-4.7

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-4.7

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

B200

Potřeba paměti

155.2 GB

Nejrychlejší

142 tok/s

GLM-4.7 dosahuje počtu parametrů 358B. 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: 7.

Nejmenší hardware, který funguje, je B200, s kapacitou VRAM 180 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 142 tokenů za sekundu

Špičkový model je B200, generování přibližně 142 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Pozadí

GLM-4.7 byl zveřejněn Z.ai (Zhipu AI), v zemi zaznamenané jako China, během December 2025. Vychází z organizace, která je kategorizována jako industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Code generation.

Jeho výchozím bodem byl existující základní model, GLM-4.5. To je důvod, proč sdílí obecný tvar a velikost základního modelu.

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.

Čtení čísel propustnosti

Polovina karet, které to drží, zvládne více než 75.0 tokens za sekundu. Překračující rychlost čtení rovnou: 7 z nich

Toto je model směsi expertů, který prochází každý token pouze částí sebe sama. Generuje tedy mnohem rychleji, než naznačuje jeho celková velikost — přičemž stále potřebuje každý parametr umístěný v MEMORY, takže je rychlý, aniž by byl levný na uchování.

Paměť zde je odhadována podle velikosti, spíše než aby byla vypočtena z architektury, která není pro tento model zaznamenána — čísla jsou spíše indikativní než přesná.

Jak bylo trénováno

Trenovací běh spotřeboval asi 4.4 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Jeho kritérium zahrnutí: discretionary.

Krok za krokem

Jak vybrat GPU pro GLM-4.7

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

Každá KARTA zde byla zkontrolována proti GLM-4.7, potřebující kolem 155.2 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Nastavte délku kontextu, se kterou budete pracovat

Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro GLM-4.7.
03

Nastavte minimální kvalitu

Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti., dosahující komprese Q3_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

Srovnejte TPS, ne specifikace

Seřaďte podle rychlosti, abyste viděli, jak si karty vedou. GLM-4.7. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 142 tok/s
05

Zkontrolujte verdikt o vhodnosti před koupí

Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě GLM-4.7. 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

Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. GLM-4.7.

Odpovědi

GLM-4.7 — běžné otázky

GLM-4.7— 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-4.7— kolik má parametrů?

Má počet parametrů 358B. mixture of experts (MoE) with 358B total, 32B active. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

GLM-4.7— Kdo to vytvořil?

Bylo to publikováno společností Z.ai (Zhipu AI), zakládající se na China, organizace zařazená jako industry.

GLM-4.7— Kdy byl vydán?

Bylo to zveřejněno v December 2025.

GLM-4.7— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Code generation. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

GLM-4.7— 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-4.7— 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.

GLM-4.7— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 69.9 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

GLM-4.7— Běhalo by to rychleji na dvou GPU?

Kapacita se sčítá napříč KARTAMI; propustnost nikoliv. Počet KARET, které ji již drží samostatně: 7. Takže druhá karta je tu zřídka odpovědí.

GLM-4.7— proč se kvantizace liší mezi kartami?

Větší karta obsahuje přesnější kopii. Počet úrovní komprese používaných na kartách, které ji provádějí: 3. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

GLM-4.7— 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: 85–227 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

GLM-4.7— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je B200, s kapacitou VRAM 180 GB. Spouští model při kompresi Q3_K_M používající přibližně 155.2 GB, a produkuje přibližně 142 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 7.

GLM-4.7— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 142 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 7.

GLM-4.7— kolik VRAM potřebuje?

Potřebuje asi 155.2 GB při kompresi Q3_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.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 29 January 2026

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.

Všechny AI modely