GLM-4.5 calculateur TPS
Chaque carte ci-dessous est évaluée par rapport à ce modèle à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une demande unique, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..
Calculé pour ce modèle
818 cartes dont nous détenons les spécifications pour
Carte la plus petite qui convient
Radeon Instinct MI325X
256 GB · Q4_K_M · 12.9 tok/s
Carte la plus rapide
B300
17.0 tok/s · 288 GB
Quelles GPU peuvent exécuter GLM-4.5?
Définir les entrées, lire la réponse
Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..
Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..
4 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
17.0
tok/s
10–27 · faible confiance |
B300 NVIDIA | 288 GB | 8,000 GB/s | Sep 2025 | 256.8 GB | Q5_K_M | À l'étroit |
|
13.6
tok/s
8–22 · faible confiance |
Radeon Instinct MI350X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 256.8 GB | Q5_K_M | À l'étroit |
|
13.6
tok/s
8–22 · faible confiance |
Radeon Instinct MI355X AMD | 288 GB | 8,190 GB/s | Jan 2025 | 256.8 GB | Q5_K_M | À l'étroit |
|
12.9
tok/s
8–21 · faible confiance |
Radeon Instinct MI325X AMD | 256 GB | 6,000 GB/s | Oct 2024 | 215.5 GB | Q4_K_M | À l'étroit |
Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..
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 juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Z.ai (Zhipu AI),Tsinghua University
- Type d'organisation
- Industry,Academia
- Pays
- China
- Publié
- 5 August 2025
- Auteurs
- 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
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Question answering, Code generation, Quantitative reasoning
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 355B
- Données d'entraînement
- 23,100,000,000,000 tokens
- Taille de lot
- 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"
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 4.4 × 10²⁴ FLOP
- Comment cela a été établi
- Operation counting
(6 FLOP/token/parameter) * (23T tokens) * (32B active parameters) = 4.42e24 FLOP
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (unrestricted)
- Code d'entraînement
- 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
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Discretionary
- Confiance d'enregistrement
- Confident
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models
- Dernière mise à jour
- 30 December 2025
Les extrêmes
Les dix GPU les plus rapides qui exécutent GLM-4.5
Classé par tokens par seconde estimés, la carte la plus récente en premier lorsque les vitesses se rejoignent. Étant donné que la génération est limitée par la bande passante de la mémoire, cet ordre suit la bande passante plutôt que tout indice de jeu..
Les plus petits GPU qui fonctionnent encore GLM-4.5
Le chemin le moins cher, par capacité de mémoire. Un ajustement serré exécute le modèle mais ne laisse rien de libre pour une conversation plus longue..
- 01 Radeon Instinct MI325X 256 GB · Besoin 215.5 GB · Q4_K_M · À l'étroit 12.9 tok/s
- 02 B300 288 GB · Besoin 256.8 GB · Q5_K_M · À l'étroit 17.0 tok/s
- 03 Radeon Instinct MI350X 288 GB · Besoin 256.8 GB · Q5_K_M · À l'étroit 13.6 tok/s
- 04 Radeon Instinct MI355X 288 GB · Besoin 256.8 GB · Q5_K_M · À l'étroit 13.6 tok/s
Ce que les chiffres signifient
Le côté matériel
Carte minimale
Radeon Instinct MI325X
Mémoire requise
215.5 GB
Le plus rapide
17.0 tok/s
GLM-4.5 atteint un nombre de paramètres de 355B. Cela dépasse ce que peut contenir une seule carte graphique. L'exécuter signifie soit le répartir entre plusieurs cartes, soit louer du matériel conçu pour cela, et chaque carte capable de le contenir seule est une pièce de datacenter. Le nombre qui peut : 4.
À l'extrémité inférieure, cela est géré par Radeon Instinct MI325X, avec une capacité de mémoire de 256 GB, le faisant fonctionner à une compression de Q4_K_M et produisant environ 12.9 tokens par seconde
Haut de gamme est B300, générant à peu près 17.0 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.
Ce que ce modèle est
GLM-4.5 a été publié par Z.ai (Zhipu AI),Tsinghua University, dans le pays enregistré comme China, durant August 2025. Cela provient d'une organisation classée comme industry,Academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, Code generation, Quantitative reasoning.
Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé. Sur Hugging Face, il est publié sous l'organisation zai-org.
Qu'est-ce qui détermine la vitesse
Au milieu de la gamme, toutes les cartes capables de l'exécuter se situent à 13.6 tokens par seconde. Dépassement direct de la vitesse de lecture. 4 d'eux
Étant dense, il lit tout de lui-même par jeton, c'est pourquoi le classement par vitesse ci-dessous suit de si près le classement par bande passante mémoire.
La mémoire ici est estimée à partir de la taille plutôt que calculée à partir de l'architecture, qui n'est pas enregistrée pour ce modèle — les chiffres sont indicatifs plutôt qu'exacts.
Entraînement et provenance
L'entraînement a nécessité un budget de calcul d'environ 4.4 × 10²⁴ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Il a été entraîné sur un corpus d'environ 23,100,000,000,000 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. discretionary.
Étape par étape
Comment choisir un GPU pour GLM-4.5
Le tableau ci-dessus a déjà évalué chaque carte pour laquelle nous avons des spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..
-
01
Commencez par la colonne mémoire
Commencez par ce dont il a réellement besoin, c'est-à-dire l'exigence de GLM-4.5, ayant besoin d'environ 215.5 GB à une compression de Q4_K_M. Aucun montant de puissance de traitement ne compense une carte qui ne peut pas la supporter.
-
02
Décidez combien de temps vos conversations tournent
La conversation occupe aussi de la mémoire et grandit au fur et à mesure. Réglez le curseur sur la longueur que vous attendez, car avec un long CONTEXTE, une CARTE qui gère facilement les courtes questions peut être abandonnée par. GLM-4.5.
-
03
Définir un seuil de qualité
La Compression est ce qui permet à un modèle de s'adapter à des cartes plus petites, au prix d'une certaine précision., atteignant une compression de Q4_K_M sur la plus petite carte qui convient. Fixer une qualité minimale élimine les cartes qui ne parviennent à l'atteindre qu'en exerçant une pression plus forte que vous ne le souhaiteriez, et maintient la comparaison à un niveau.
-
04
Trier par vitesse
La commande de vitesse est effectivement un classement par bande passante mémoire, pour GLM-4.5. Il ne s'alignera pas sur une commande de jeu, car la génération est limitée par la bande passante de la mémoire. La carte en tête de liste est B300, à 17.0 tok/s
-
05
Regardez la marge de manœuvre, pas seulement le fit.
Tight signifie qu'il se charge et fonctionne sans possibilité d'augmenter le contexte plus tard, dans le cas de GLM-4.5. Confortable signifie que vous pouvez augmenter le contexte plus tard. Cette différence compte plus que quelques tokens par seconde, donc achetez pour confortable si vous vous attendez à cela.
-
06
Ouvrez la carte sur laquelle vous vous êtes arrêté.
Chaque nom de carte renvoie à sa propre page, qui effectue le même calcul dans l'ensemble du catalogue de modèles. Une carte est généralement achetée pour plus d'un modèle, il est donc utile de jeter un œil avant d'acheter pour GLM-4.5.
Réponses
GLM-4.5 — questions courantes
GLM-4.5— Puis-je l'exécuter s'il ne tient pas dans ma GPU?
Seulement en déchargeant, ce qui est généralement une fausse économie : la partie maintenue en mémoire système tire l'ensemble vers le bas. La plus proche approximation que nous calculons est inférieure de 42.7 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
GLM-4.5— deux GPUs l'exécuteraient-ils plus rapidement ?
Deux cartes achètent de la mémoire plutôt que de la vitesse, ce qui est important seulement si une carte ne peut pas la contenir. Le nombre qui peut : 4. Ainsi, une seconde carte est rarement la réponse ici.
GLM-4.5— pourquoi la quantification diffère-t-elle entre les cartes ?
Une carte plus grande contient une copie plus précise. Le nombre de niveaux de compression utilisés sur les cartes qui l'exécutent : 2. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
GLM-4.5— quelle est la précision de ces estimations de vitesse ?
Ils sont calculés à partir des spécifications plutôt que mesurés, et chacun a une plage. Un exemple : 10–27 tok/s sur B300. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.
GLM-4.5— Quelle GPU ai-je besoin pour l'exécuter ?
La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI325X, avec une capacité de mémoire de 256 GB. Il exécute le modèle à une compression de Q4_K_M environ 215.5 GB, et produit environ 12.9 tous les GPU capables de l'exécuter en total 4.
GLM-4.5— à quelle vitesse est-il sur un GPU ?
Cela dépend de la carte. Le plus rapide que nous calculons est B300, à propos de 17.0 tokens par seconde; le plus lent qui fonctionne encore gère considérablement moins. La vitesse de lecture est d'environ dix tokens par seconde, et le nombre de cartes qui réussissent cela : 4.
GLM-4.5— combien de VRAM cela nécessite-t-il ?
Cela nécessite environ 215.5 GB à une compression de Q4_K_M, laquelle est la plus petite carte qui l'exécute. Moins de compression nécessite plus : les chiffres dans la colonne mémoire ci-dessus sont recalculés pour chaque carte, car chacune détient la version la moins compressée qu'elle peut.
GLM-4.5— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
GLM-4.5— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 355B. 355 billion total parameters with 32 billion active parameters. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
GLM-4.5— qui l'a créé ?
Il a été publié par Z.ai (Zhipu AI),Tsinghua University, basé sur China, une organisation catégorisée comme industry,Academia.
GLM-4.5— quand a-t-il été publié ?
Il a été publié dans August 2025.
GLM-4.5— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Code generation, Quantitative reasoning. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
GLM-4.5— où puis-je le télécharger ?
Ses poids sont publiés sur Hugging Face, sous l'organisation zai-org. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.
GLM-4.5— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 4.4 × 10²⁴ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.