GLM-5.2 calculateur TPS

Poids ouverts Z.ai (Zhipu AI) 744B Paramètres June 2026

Chaque carte ci-dessous est évaluée par rapport à ce modèle en fonction de la longueur de contexte et de la qualité minimale que vous choisissez. La vitesse est une estimation pour une seule requête, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..

Calculé pour ce modèle

0 de 818 cartes qui peuvent l'exécuter

Quelles GPU peuvent exécuter GLM-5.2?

Configurez les entrées, lisez la réponse.

Modèle/modèles ne tient pas dans le VRAM du GPU. Modèle IA ne tourne pas / ne tourne pas confortablement. Quel modèle IA le GPU peut-il exécuter ? Modèle ne s'adapte pas / ne s'ajuste pas dans le VRAM. Exécution de l'IA à pleine capacité avec TPS. Modèle IA serré = à peine exécutable. modèle/models ne signifie jamais mode ou mannequin. exécuter/exécution signifie exécuter un modèle d'IA. Si vous obtenez seulement le mot exécuter, c'est probablement d'une phrase scindée comme quel modèle d'IA le GPU peut exécuter. ne convient pas / ne conviendra pas signifie que le modèle d'IA ne tient pas dans la VRAM du GPU. serré = à peine exécutable, confortable = s'exécute facilement avec de la marge. Des mots de connexion courts comme de, le, un, à, pour, avec apparaissent seuls car le texte est scindé - traduisez-les normalement. Gardez les termes techniques comme GPU, IA, TPS, VRAM, CUDA, Tensor, Inférence, Quantification, LoRA, GGUF, FP16, INT4, INT8 en anglais (ou la forme courante dans cette langue). Écrivez toujours GPU, IA, TPS, VRAM, CUDA en MAJUSCULES. Si demandé de traduire un nom de langue (par exemple, espagnol, anglais, langue), traduisez le mot correctement (espagnol→Spanisch, anglais→Deutsch, langue→Sprache). SEULEMENT sortez la pure traduction en français. Pas de commentaires, pas de questions, rien d'autre. Si vide, répondez par un espace unique : tokens

Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..

Modèle/modèles ne convient pas à la VRAM du GPU. Fonctionne à peine avec le modèle d'IA. Fonctionnement confortable avec le modèle d'IA. Quel modèle d'IA le GPU peut-il exécuter ?

Cache les cartes qui ne conviendraient qu'au modèle en les comprimant en dessous de ce point..

Rechercher des cartes

Mémoire de carte

Afficher également les cartes qui ne peuvent pas le faire fonctionner.

0 les modèles ne s'adaptent pas

Calculating

					Besoin	Quantification	Ajusté
Aucune carte de notre catalogue ne peut faire fonctionner ce modèle avec ces paramètres..

Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante mémoire, de la taille du modèle et de la quantification. Le débit réel varie en fonction du temps d'inférence et de sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..

Sur l'enregistrement

Spécifications complètes

Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour évaluer combien de travail a été investi et comment il se compare aux modèles construits à une échelle différente..

Qui a construit ce modèle, où et quand a-t-il été publié ?

Organisation: Z.ai (Zhipu AI)
Type d'organisation: Industry
Pays: China
Publié: 16 June 2026

Ce qu'il fait

Les zones problématiques pour lesquelles le modèle a été conçu. Un modèle peut contenir plusieurs de chaque.

Domaine: Language
Translation de tâche: Language modeling/generation

Taille

Quelle est la taille du modèle et combien de données il a été formé ? Les paramètres sont la valeur qui détermine s'il s'adapte à une carte graphique donnée.

Paramètres: 744B
Données d'entraînement: tokens

Disponibilité

Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'une des spécifications de la carte graphique sur cette page s'applique.

Poids: Open — downloadable
Accès au modèle: Open weights (unrestricted)
Hugging Face: zai-org

Comment c'est classé

Étiquettes que le jeu de données source applique lors du suivi des modèles notables et à quel point il est confiant dans l'entrée.

Modèle/modèles ne correspond jamais à la mode. Exécuter / exécutant signifie exécuter un modèle d'IA. Si vous recevez seulement le mot exécuter, cela provient probablement d'une phrase fragmentée comme quel modèle d'IA le GPU peut exécuter. ne convient pas / ne conviendra pas signifie que le modèle d'IA ne s'intègre pas dans la VRAM du GPU. serré = à peine exécutable, confortable = s'exécute facilement avec de la marge. Les mots de connexion courts comme de, le, un, à, pour, avec apparaissent seuls car le texte est divisé - il faut simplement les traduire normalement. Conservez les termes techniques comme GPU, AI, TPS, VRAM, CUDA, Tensor, Inference, Quantization, LoRA, GGUF, FP16, INT4, INT8 en anglais (ou la forme courante dans cette langue). Toujours écrire GPU, AI, TPS, VRAM, CUDA en majuscules. Si l'on vous demande de traduire un nom de langue (par exemple espagnol, anglais, langue), traduisez le mot correctement (espagnol → Spanisch, anglais → Deutsch, langue → Sprache). SORTIE UNIQUEMENT la traduction pure en français. AUCUN commentaire, AUCUNE question, RIEN D'AUTRE. Si vide, répondez par un espace : Record confidence: Confident

Sources

Où cet enregistrement provient-il et quand a-t-il été vérifié pour la dernière fois.

Référence: GLM-5.2: Built for Long-Horizon Tasks
Dernière mise à jour: 10 July 2026

Que signifient les chiffres

Ce qu'il faut pour exécuter ce modèle

At 744B parameters, GLM-5.2 is beyond what any single graphics card holds. Running it means either splitting it across several cards or renting hardware built for the job — 0 of the cards we track can hold it on their own, and all of them are datacentre parts.

À propos de ce modèle

GLM-5.2 was published by Z.ai (Zhipu AI), in China, in June 2026. industry is the category the publisher falls under.

Cela fonctionne en Français et est enregistré comme faisant de la modélisation/génération.

The weights are published, so it can be downloaded and run on your own hardware indefinitely, offline, with no account attached. It is published under the zai-org organisation on Hugging Face.

Étape par étape

Comment choisir un GPU pour GLM-5.2

Le tableau ci-dessus a déjà évalué chaque carte dont nous avons les spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..

01

Lisez d'abord le chiffre de la mémoire

Look at what GLM-5.2 actually needs. No amount of processing power compensates for a card that cannot hold it.
02

Set the context length you will work at

Set the context to what you will actually use. The cache grows with the conversation, and it is the usual reason GLM-5.2 stops fitting a card that seemed fine.
03

Décidez combien de compression vous accepterez

The quantisation column varies by card, because a bigger card holds a more accurate copy of GLM-5.2. Set a floor to hold the comparison at one level.
04

Compare tokens per second, not specifications

The speed ordering for GLM-5.2 is effectively an ordering by memory bandwidth.
05

Vérifiez le verdict de compatibilité avant d'acheter

The fit column separates cards that just manage GLM-5.2 from those with room to spare. Buy for the second if the context might grow.
06

Ouvrez la carte sur laquelle vous vous êtes installé

Every card name links to its own page, which runs the same calculation across the whole model catalogue. Worth a look before buying for GLM-5.2 alone — a card is usually bought for more than one model.

Réponds

GLM-5.2 — Questions courantes

Can I run GLM-5.2 if it does not fit in my GPU?

Only by offloading, which is usually a false economy: the part in system memory drags the whole thing down — the nearest miss we calculate is short by 191.6 GB. Our figures for GLM-5.2 assume it is fully resident.

Would two GPUs run GLM-5.2 faster?

Two cards buy memory rather than speed. That matters for GLM-5.2 only if one card cannot hold it — 0 can, so a second adds little.

Why does the quantisation differ between cards for GLM-5.2?

A larger card holds a more accurate copy. Across the cards that run GLM-5.2, 1 compression levels are used; the floor control above pins it to one.

How accurate are these GLM-5.2 speed estimates?

Every figure is derived from memory bandwidth and model size, not benchmarked. That is why each is published as a range such as the range beneath each figure rather than a single number.

Is GLM-5.2 open source?

Its weights are published, so GLM-5.2 can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.

How many parameters does GLM-5.2 have?

GLM-5.2 has 744B parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.

Who created GLM-5.2?

GLM-5.2 was published by Z.ai (Zhipu AI), based in China, categorised as industry.

When was GLM-5.2 released?

GLM-5.2 was published in June 2026.

What is GLM-5.2 used for?

GLM-5.2 works in Language, and is recorded as handling language modeling/generation. These are the areas it was designed around; they describe intent rather than a hard boundary.

Where can I download GLM-5.2?

Its weights are published under the zai-org organisation on Hugging Face. We do not host model files — this site calculates what hardware is needed to run them.

Source

Publication originale

Modèle/modèles, exécuter/exécution, ne convient pas / ne sera pas compatible, serré = à peine exécuté, confortable = s'exécute facilement avec une marge. 10 July 2026

L'autre direction

Le regardant de l'autre côté ?

Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle pourra exécuter., Modèle/modèles ne s'adapte pas / ne va pas s'adapter à la VRAM du GPU. Exécution d'un modèle IA. Cela fonctionne bien / fonctionne avec un peu de marge. Ne fonctionne pas ou est trop serré..

Tous les modèles d'IA