GLM-4.5 TPS-Rechner
Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..
Für dieses Modell berechnet
818 Karten, für die wir Spezifikationen haben
Kleinste Karte, die passt
Radeon Instinct MI325X
256 GB · Q4_K_M · 12.9 tok/s
Schnellste Karte
B300
17.0 tok/s · 288 GB
Welche GPUs können laufen GLM-4.5?
Setze die Eingaben, lies die Antwort
Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..
Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..
4 Karten passen
Berechnung| Braucht | Quantisierung | Passend | |||||
|---|---|---|---|---|---|---|---|
|
17.0
tok/s
10–27 · niedrige Vertrauenswürdigkeit |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 256.8 GB | Q5_K_M | knapp |
|
13.6
tok/s
8–22 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 256.8 GB | Q5_K_M | knapp |
|
13.6
tok/s
8–22 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 256.8 GB | Q5_K_M | knapp |
|
12.9
tok/s
8–21 · niedrige Vertrauenswürdigkeit |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 215.5 GB | Q4_K_M | knapp |
Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Z.ai (Zhipu AI),Tsinghua University
- Organisationsart
- Industry,Academia
- Land
- China
- Veröffentlicht
- 5 August 2025
- Autoren
- Bin Chen, Chengxing Xie, Cunxiang Wang, Da Yin, Hao Zeng, Jiajie Zhang, Kedong Wang, Lucen Zhong, Mingdao Liu, Rui Lu, Shulin Cao, Xiaohan Zhang, Xuancheng Huang, Yao Wei, Yean Cheng, Yifan An, Yilin Niu, Yuanhao Wen, Yushi Bai, Zhengxiao Du, Zihan Wang (汪子涵), Zilin Zhu
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation, Question answering, Code generation, Quantitative reasoning
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 355B
- Trainingsdaten
- 23,100,000,000,000 tokens
- Batch-Größe
- 64,000,000
355 billion total parameters with 32 billion active parameters
23T tokens
"We used a batch size warmup strategy, where the batch size was gradually increased from 16M tokens to 64M tokens in the training of the first 500B token"
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 4.4 × 10²⁴ FLOP
- Wie es etabliert wurde
- Operation counting
(6 FLOP/token/parameter) * (23T tokens) * (32B active parameters) = 4.42e24 FLOP
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Open — downloadable
- Modellzugang
- Open weights (unrestricted)
- Training-Code
- Unreleased
- Hugging Face
- zai-org
MIT license https://huggingface.co/zai-org/GLM-4.5 Apache 2.0 (Inference code) https://github.com/zai-org/GLM-4.5?tab=readme-ov-file
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- Discretionary
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models
- Zuletzt aktualisiert
- 30 December 2025
Die Extreme
Die zehn schnellsten GPUs, die RUN. GLM-4.5
Sortiert nach geschätzten Tokens pro Sekunde, neueste Karte zuerst, wenn die Geschwindigkeiten gleich sind. Da die Generierung durch die Speichermenge begrenzt ist, folgt diese Reihenfolge der Bandbreite und nicht einem Gaming-Benchmark..
Die kleinsten GPUs, die immer noch laufen GLM-4.5
Die günstigste Route herein, nach Speichergröße. Ein enger Fit läuft das Modell, lässt aber nichts für ein längeres Gespräch übrig..
- 01 Radeon Instinct MI325X 256 GB · Braucht 215.5 GB · Q4_K_M · knapp 12.9 tok/s
- 02 B300 288 GB · Braucht 256.8 GB · Q5_K_M · knapp 17.0 tok/s
- 03 Radeon Instinct MI350X 288 GB · Braucht 256.8 GB · Q5_K_M · knapp 13.6 tok/s
- 04 Radeon Instinct MI355X 288 GB · Braucht 256.8 GB · Q5_K_M · knapp 13.6 tok/s
Was die Zahlen bedeuten
Die Hardware-Seite
Minimale Karte
Radeon Instinct MI325X
Benötigter Speicher
215.5 GB
Schnellste
17.0 tok/s
GLM-4.5 erreicht eine Parameteranzahl von 355B. Das übersteigt, was eine einzelne GPU-Karte hält. Es auszuführen bedeutet, entweder auf mehrere Karten aufzuteilen oder Hardware zu mieten, die für die Aufgabe gebaut ist, und jede Karte, die es alleine halten kann, ist ein Datacenter-Teil. Die Anzahl, die es kann: 4.
Am unteren Ende wird es von Radeon Instinct MI325X, mit einer MEMORY-KAPAZITÄT von 256 GB, es mit einer Kompression von Q4_K_M und produziert etwa 12.9 Token pro Sekunde
Spitzenklasse ist B300, generieren ungefähr 17.0 Tokens pro Sekunde auf der Grundlage einer Speicherbandbreite von 8,000 GB/s.
Was dieses Modell ist
GLM-4.5 wurde veröffentlicht von Z.ai (Zhipu AI),Tsinghua University, im Land aufgezeichnet als China, während August 2025. Es stammt aus einer Organisation, die kategorisiert ist als industry,Academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Question answering, Code generation, Quantitative reasoning.
Die Gewichte sind veröffentlicht, sodass sie auf deiner eigenen Hardware unbegrenzt, offline und ohne angehängtes Konto heruntergeladen und ausgeführt werden kann. Es ist unter der Organisation auf Hugging Face veröffentlicht. zai-org.
Was entscheidet die Geschwindigkeit
Über jede Karte, die es ausführen kann, liegt die Mitte der Reihe bei 13.6 Tokens pro Sekunde. Überschreitung der Lesegeschwindigkeit direkt: 4 von ihnen
Da es dicht ist, liest es sich selbst pro Token, weshalb die Anordnung nach Geschwindigkeit unten so eng der Anordnung nach Speicherbandbreite folgt.
Der Speicher hier wird basierend auf der Größe geschätzt, anstatt aus der Architektur berechnet zu werden, die für dieses Modell nicht aufgezeichnet ist — die Zahlen sind eher indikativ als genau.
Training und Herkunft
Das Training benötigte ein Rechenbudget von ungefähr 4.4 × 10²⁴ FLOP. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Es wurde auf einem Korpus von etwa 23,100,000,000,000 Text-Tokens
Der Grund, warum es überhaupt in diesem Katalog erscheint: discretionary.
Schritt für Schritt
Wie wählt man eine GPU für GLM-4.5
Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..
-
01
Beginnen Sie mit der Speicher-Spalte
Beginne mit dem, was es tatsächlich benötigt, nämlich der Anforderung von GLM-4.5, benötigt ungefähr 215.5 GB bei einer Kompression von Q4_K_M. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
-
02
Entscheide, wie lange deine Gespräche laufen
Das Gespräch belegt ebenfalls Speicher und wächst, während es fortschreitet. Stellen Sie den Regler auf die Länge ein, die Sie erwarten, denn bei langem CONTEXT kann eine KARTE, die kurze Fragen mühelos verarbeitet, entfernt werden. GLM-4.5.
-
03
Setze eine Qualitätsuntergrenze
Kompression ist das, was ein Modell auf kleinere GPU-Karten passt, mit einem gewissen Verlust an Genauigkeit., eine Kompression von Q4_K_M auf der kleinsten Karte, die passt. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
-
04
Nach Geschwindigkeit sortieren
Die Geschwindigkeitsreihenfolge ist effektiv eine Reihenfolge nach Speicherbandbreite, für GLM-4.5. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist. Die Karte, die die Liste anführt, ist B300, bei 17.0 tok/s
-
05
Achte auf den Spielraum, nicht nur auf das Passende.
Tight bedeutet, dass es lädt und ohne Spielraum funktioniert, um den Kontext später zu erhöhen, im Fall von GLM-4.5. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
-
06
Öffnen Sie die Karte, die Sie ausgewählt haben
Jede Karte verlinkt auf ihre eigene Seite, die dieselbe Berechnung über den gesamten Modellkatalog ausführt. Eine Karte wird normalerweise für mehr als ein Modell gekauft, daher lohnt sich ein Blick, bevor man kauft. GLM-4.5.
Antworten
GLM-4.5 — Häufige Fragen
GLM-4.5— Kann ich es ausführen, wenn es nicht in meine GPU passt?
Nur durch Abladen, was normalerweise eine falsche Wirtschaftlichkeit ist: der Teil, der im System-Speicher gehalten wird, zieht das Ganze nach unten. Die nächste verpasste Berechnung bleibt hinter 42.7 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.
GLM-4.5— Würden zwei GPUs es schneller ausführen?
Zwei Karten kaufen Speicher statt Geschwindigkeit, was nur wichtig ist, wenn eine Karte es nicht halten kann. Die Anzahl, die es kann: 4. So eine zweite Karte ist hier selten die Antwort.
GLM-4.5— Warum unterscheidet sich die Quantisierung zwischen Karten?
Eine größere Karte hält eine genauere Kopie. Die Anzahl der verwendeten Komprimierungsstufen über die Karten, die es ausführen: 2. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.
GLM-4.5— Wie genau sind diese Geschwindigkeitsabschätzungen?
Sie werden aus Spezifikationen berechnet, anstatt gemessen zu werden, und jede hat einen Bereich. Ein Beispiel: 10–27 tok/s auf B300. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.
GLM-4.5— Welche GPU benötige ich, um es auszuführen?
Die kleinste Karte in unserem Katalog, die es hält, ist Radeon Instinct MI325X, mit einer MEMORY-KAPAZITÄT von 256 GB. Es führt das Modell mit einer Kompression von Q4_K_M verwenden von etwa 215.5 GB, und produziert ungefähr 12.9 Token pro Sekunde. Die Anzahl der Karten, die es insgesamt ausführen können: 4.
GLM-4.5— wie schnell ist es auf einer GPU?
Es hängt von der Karte ab. Das Schnellste, das wir berechnen, ist B300, ungefähr 17.0 Tokens pro Sekunde; die langsamste, die es immer noch ausführt, schafft erheblich weniger. Die Lesegeschwindigkeit liegt bei etwa zehn Tokens pro Sekunde, und die Anzahl der Karten, die das bewältigen: 4.
GLM-4.5— Wie viel VRAM benötigt es?
Es benötigt etwa 215.5 GB bei einer Kompression von Q4_K_M, welche das ist, was die kleinste Karte, die es ausführt, verwendet. Weniger Kompression braucht mehr: die Zahlen in der Spalte für den Speicher oben werden für jede Karte neu berechnet, da jede die am wenigsten komprimierte Version, die sie kann, speichert.
GLM-4.5— Ist es Open-Source?
Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.
GLM-4.5— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 355B. 355 billion total parameters with 32 billion active parameters. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
GLM-4.5— Wer hat es erstellt?
Es wurde veröffentlicht von Z.ai (Zhipu AI),Tsinghua University, basiert auf China, eine als kategorisierte Organisation industry,Academia.
GLM-4.5— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in August 2025.
GLM-4.5— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Question answering, Code generation, Quantitative reasoning. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
GLM-4.5— Wo kann ich es herunterladen?
Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation zai-org. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.
GLM-4.5— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 4.4 × 10²⁴ FLOP. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.