GLM-4.5V calculadora TPS

Abre pesos Z.ai (Zhipu AI),Tsinghua University 108B parámetros August 2025

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

43 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon Instinct MI200

64 GB · IQ4_XS · 68.4 tok/s

Tarjeta más rápida

B200

174 tok/s · 180 GB

¿Qué GPU pueden ejecutar? GLM-4.5V?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

43 las tarjetas coinciden

Calculando

					Necesita	Cuantización	Ajustar
174 tok/s 105–279 · baja confianza	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	110.8 GB	Q8_0	Cómodo
174 tok/s 105–279 · baja confianza	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	110.8 GB	Q8_0	Cómodo
169 tok/s 101–270 · baja confianza	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	60.5 GB	Q4_K_M	Ajustado
169 tok/s 101–270 · baja confianza	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	60.5 GB	Q4_K_M	Ajustado
153 tok/s 92–245 · baja confianza	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	73.1 GB	Q5_K_M	Ajustado
139 tok/s 84–223 · baja confianza	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	110.8 GB	Q8_0	Cómodo
139 tok/s 84–223 · baja confianza	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	110.8 GB	Q8_0	Cómodo
131 tok/s 78–209 · baja confianza	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	73.1 GB	Q5_K_M	Ajustado
111 tok/s 67–178 · baja confianza	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	110.8 GB	Q8_0	Ajustado
108 tok/s 65–173 · baja confianza	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	54.2 GB	IQ4_XS	Ajustado
107 tok/s 64–170 · baja confianza	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.8 GB	Q8_0	Ajustado
107 tok/s 64–170 · baja confianza	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	110.8 GB	Q8_0	Ajustado
106 tok/s 64–170 · baja confianza	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.6 GB	Q6_K	Ajustado
106 tok/s 64–170 · baja confianza	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	85.6 GB	Q6_K	Ajustado
103 tok/s 62–164 · baja confianza	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	60.5 GB	Q4_K_M	Ajustado
103 tok/s 62–164 · baja confianza	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	60.5 GB	Q4_K_M	Ajustado
103 tok/s 62–164 · baja confianza	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	60.5 GB	Q4_K_M	Ajustado
103 tok/s 62–164 · baja confianza	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	60.5 GB	Q4_K_M	Ajustado
103 tok/s 62–164 · baja confianza	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	60.5 GB	Q4_K_M	Ajustado
103 tok/s 62–164 · baja confianza	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	60.5 GB	Q4_K_M	Ajustado
102 tok/s 61–163 · baja confianza	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	110.8 GB	Q8_0	Cómodo
97.6 tok/s 59–156 · baja confianza	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	60.5 GB	Q4_K_M	Ajustado
97.6 tok/s 59–156 · baja confianza	A800 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Nov 2022	60.5 GB	Q4_K_M	Ajustado
90.5 tok/s 54–145 · baja confianza	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	110.8 GB	Q8_0	Ajustado
90.5 tok/s 54–145 · baja confianza	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	110.8 GB	Q8_0	Cómodo

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Z.ai (Zhipu AI),Tsinghua University
Tipo de Organización: Industry,Academia
País: China
Publicado: 15 August 2025
Autores: GLM-V Team: Wenyi Hong, Wenmeng Yu, Xiaotao Gu, Guo Wang, Guobing Gan, Haomiao Tang, Jiale Cheng, Ji Qi, Junhui Ji, Lihang Pan, Shuaiqi Duan, Weihan Wang, Yan Wang, Yean Cheng, Zehai He, Zhe Su, Zhen Yang, Ziyang Pan, Aohan Zeng, Baoxu Wang, Bin Chen, Boyan Shi, Changyu Pang, Chenhui Zhang, Da Yin, Fan Yang, Guoqing Chen, Jiazheng Xu, Jiale Zhu, Jiali Chen, Jing Chen, Jinhao Chen, Jinghao Lin, Jin…

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Multimodal, Vision, Language, Video
Tarea: Language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR)
Modelo base: GLM-4.5-Air

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 108B
Datos de entrenamiento: 2,013,265,900,000 tokens

Cómputo de entrenamiento

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.

Cómputo de entrenamiento: 1.8 × 10²⁴ FLOP
Cómo se estableció: Operation counting
Computación de ajuste fino: 1.4 × 10²³ FLOP

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (unrestricted)
Código de entrenamiento: Unreleased
Hugging Face: zai-org

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan GLM-4.5V

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan GLM-4.5V

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Requisitos de hardware en la práctica

Mínima tarjeta

Radeon Instinct MI200

Memoria necesaria

54.2 GB

Más rápido

174 tok/s

GLM-4.5V llega a un recuento de parámetros de 108B. Eso lo coloca por encima del hardware de consumo, en el rango donde se compra una tarjeta para este propósito en lugar de ser reutilizada para ello. El número de tarjetas que seguimos que pueden contenerlo: 43.

El punto de entrada es Radeon Instinct MI200, con una capacidad de memoria de 64 GB, ejecutándolo a una compresión de IQ4_XS y produciendo alrededor 68.4 tokens por segundo

Gama alta es B200, generando aproximadamente 174 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Acerca de este modelo

GLM-4.5V fue publicado por Z.ai (Zhipu AI),Tsinghua University, en el país registrado como China, durante August 2025. La organización editora está clasificada como industry,Academia.

Funciona en el dominio de Multimodal, Vision, Language, Video, y se registra como realizando la tarea de language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR).

Su punto de partida fue un modelo base existente, GLM-4.5-Air. Por eso comparte la forma y el tamaño general del modelo base.

Debido a que sus pesos fueron liberados, nada sobre ejecutar el modelo depende de un proveedor que permanezca disponible — es tuyo una vez descargado. En Hugging Face está publicado bajo la organización zai-org.

Qué tan rápido corre, y por qué

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 97.6 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 41 de ellos.

El enrutamiento de mezcla de expertos es la razón por la cual las velocidades aquí parecen altas para la cantidad de parámetros. Solo se lee una fracción por token, pero todo tiene que ser cargado.

Sin el diseño de atención en nuestro archivo, la columna de memoria es una aproximación. Es lo suficientemente cercana como para elegir hardware, y menos confiable en contexto largo.

Entrenamiento y procedencia

El entrenamiento consumió alrededor de 1.8 × 10²⁴ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

Fue entrenado en un corpus de aproximadamente 2,013,265,900,000 tokens de texto

Paso a paso

Cómo elegir una GPU para GLM-4.5V

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Lee la cifra de MEMORIA primero

La tabla enumera cada tarjeta capaz de contener GLM-4.5V, necesitando alrededor 54.2 GB a una compresión de IQ4_XS. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Ajusta el contexto a tu uso actual

Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. GLM-4.5V.
03

Decide cuánto compresión aceptarás

La compresión es lo que hace que un modelo quepa en tarjetas más pequeñas, a costa de cierta precisión., alcanzando una compresión de IQ4_XS en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Clasifica por rendimiento en lugar de la hoja de especificaciones.

Ordenar por velocidad para ver cómo se clasifican las tarjetas por GLM-4.5V. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 174 tok/s
05

Mira el margen, no solo la compatibilidad.

Tight significa que se carga y funciona sin espacio para aumentar el contexto más tarde, en el caso de GLM-4.5V. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Abre la tarjeta que has elegido.

Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Una tarjeta generalmente se compra para más de un modelo, por lo que vale la pena echar un vistazo antes de comprar para GLM-4.5V.

Respuestas

GLM-4.5V — preguntas comunes

GLM-4.5V— ¿Por qué difiere la cuantificación entre tarjetas?

Cada tarjeta se muestra ejecutando la copia menos comprimida que puede contener. El número de niveles de compresión distintos entre las tarjetas que lo soportan: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

GLM-4.5V— ¿Qué tan precisas son estas estimaciones de velocidad?

Cada cifra se deriva del ancho de banda de VRAM y del tamaño del modelo, no está basado en benchmarks, por lo que cada una se publica como un rango en lugar de un solo número. Un ejemplo: 105–279 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

GLM-4.5V— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon Instinct MI200, con una capacidad de memoria de 64 GB. Funciona el modelo a una compresión de IQ4_XS usando alrededor 54.2 GB, y produce aproximadamente 68.4 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 43.

GLM-4.5V— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 174 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 41.

GLM-4.5V— ¿Cuánta VRAM necesita?

Necesita aproximadamente 54.2 GB a una compresión de IQ4_XS, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

GLM-4.5V— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

GLM-4.5V— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 108B. 108 total, 12 B active. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

GLM-4.5V— ¿Quién lo creó?

Fue publicado por Z.ai (Zhipu AI),Tsinghua University, basado en China, una organización categorizada como industry,Academia.

GLM-4.5V— ¿cuándo fue lanzado?

Se publicó en August 2025.

GLM-4.5V— ¿Para qué se utiliza?

Funciona en el dominio de Multimodal, Vision, Language, Video, y se registra como manejando la tarea de language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR). Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.

GLM-4.5V— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización zai-org. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

GLM-4.5V— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1.8 × 10²⁴ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.

GLM-4.5V— ¿Puedo ejecutarlo si no cabe en mi GPU?

Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 17.3 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

GLM-4.5V— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 43. Así que una segunda tarjeta rara vez es la respuesta aquí.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA