GLM-4.5-Air calculateur TPS

Ouvrir les poids Z.ai (Zhipu AI),Tsinghua University 106B paramètres August 2025

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

43 cartes qui peuvent le faire

818 cartes dont nous détenons les spécifications pour

Carte la plus petite qui convient

Radeon Instinct MI200

64 GB · IQ4_XS · 69.7 tok/s

Carte la plus rapide

B200

178 tok/s · 180 GB

Quelles GPU peuvent exécuter GLM-4.5-Air?

Définir les entrées, lire la réponse

Longueur de contexte jetons

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

Qualité minimale

Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..

Recherche de cartes

Mémoire de carte

Montrez aussi les cartes qui ne peuvent pas le faire.

43 cartes correspondent

Calcul en cours

					Besoin	Quantification	Convient
178 tok/s 107–284 · faible confiance	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	108.8 GB	Q8_0	Confortable
178 tok/s 107–284 · faible confiance	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	108.8 GB	Q8_0	Confortable
142 tok/s 85–227 · faible confiance	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Confortable
142 tok/s 85–227 · faible confiance	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Confortable
133 tok/s 80–213 · faible confiance	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.8 GB	Q5_K_M	À l'étroit
133 tok/s 80–213 · faible confiance	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.8 GB	Q5_K_M	À l'étroit
127 tok/s 76–203 · faible confiance	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.1 GB	Q6_K	À l'étroit
113 tok/s 68–181 · faible confiance	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	108.8 GB	Q8_0	À l'étroit
110 tok/s 66–176 · faible confiance	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	53.3 GB	IQ4_XS	À l'étroit
109 tok/s 65–174 · faible confiance	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	À l'étroit
109 tok/s 65–174 · faible confiance	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	À l'étroit
108 tok/s 65–173 · faible confiance	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	À l'étroit
108 tok/s 65–173 · faible confiance	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	À l'étroit
108 tok/s 65–173 · faible confiance	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	À l'étroit
104 tok/s 62–166 · faible confiance	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	108.8 GB	Q8_0	Confortable
92.2 tok/s 55–148 · faible confiance	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	À l'étroit
92.2 tok/s 55–148 · faible confiance	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Confortable
92.2 tok/s 55–148 · faible confiance	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Confortable
80.9 tok/s 49–129 · faible confiance	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	71.8 GB	Q5_K_M	À l'étroit
80.9 tok/s 49–129 · faible confiance	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	71.8 GB	Q5_K_M	À l'étroit
80.9 tok/s 49–129 · faible confiance	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	71.8 GB	Q5_K_M	À l'étroit
80.9 tok/s 49–129 · faible confiance	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	À l'étroit
80.9 tok/s 49–129 · faible confiance	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	71.8 GB	Q5_K_M	À l'étroit
80.9 tok/s 49–129 · faible confiance	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	À l'étroit
76.9 tok/s 46–123 · faible confiance	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	71.8 GB	Q5_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, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR)

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: 106B
Données d'entraînement: tokens

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: 1.7 × 10²⁴ 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

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.

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: 9 February 2026

Les extrêmes

Les dix GPU les plus rapides qui exécutent GLM-4.5-Air

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-Air

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..

Ce que les chiffres signifient

Exigences matérielles en pratique

Carte minimale

Radeon Instinct MI200

Mémoire requise

53.3 GB

Le plus rapide

178 tok/s

GLM-4.5-Air atteint un nombre de paramètres de 106B. Cela le place au-dessus du matériel grand public, dans la gamme où une carte est achetée à cette fin plutôt que réutilisée pour cela. Le nombre de cartes que nous suivons qui peuvent le supporter : 43.

Le point d'entrée est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB, le faisant fonctionner à une compression de IQ4_XS et produisant environ 69.7 tokens par seconde

Haut de gamme est B200, générant à peu près 178 tokens par seconde sur la base d'une bande passante de mémoire de 8,000 GB/s.

À propos de ce modèle

GLM-4.5-Air 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, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR).

Les poids publiés signifient que le modèle fonctionne sur votre machine plutôt que sur celle de quelqu'un d'autre, ce qui rend la question matérielle ci-dessous répondable. Sur Hugging Face, il est publié sous l'organisation zai-org.

À quelle vitesse cela fonctionne-t-il, et pourquoi

Au milieu de la gamme, toutes les cartes capables de l'exécuter se situent à 80.9 tokens par seconde 41 d'eux

Parce qu'il fait passer chaque token par un sous-ensemble de ses poids, il produit du texte au rythme d'un modèle beaucoup plus petit. Le piège est la mémoire : tout cela doit encore tenir, donc la vitesse est un bonus plutôt qu'une réduction sur le matériel.

Sans la disposition d'attention sur fichier, la colonne de mémoire est une approximation. Elle est suffisamment proche pour choisir le matériel, et la moins fiable sur un long contexte.

Entraînement et provenance

La production a nécessité des calculs totalisant environ 1.7 × 10²⁴ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.

Étape par étape

Comment choisir un GPU pour GLM-4.5-Air

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

Vérifiez ce dont cela a besoin avant toute autre chose

La table répertorie chaque carte capable de supporter GLM-4.5-Air, ayant besoin d'environ 53.3 GB à une compression de IQ4_XS. La capacité est la porte — une carte soit la détient soit ne la détient pas.
02

Définissez la LONGUEUR DE CONTEXTE à laquelle vous travaillerez.

Définissez le contexte de ce que vous allez réellement utiliser. Le cache augmente avec la conversation, et c'est la raison habituelle pour laquelle une carte qui semblait convenir cesse de s'adapter. GLM-4.5-Air.
03

Décidez combien de compression vous allez accepter

Chaque carte exécute la copie la moins compressée qu'elle peut contenir., atteignant une compression de IQ4_XS 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

Comparez les tokens par seconde, pas les spécifications.

Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour GLM-4.5-Air. 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 B200, à 178 tok/s
05

Regardez la marge de manœuvre, pas seulement le fit.

La colonne d'adéquation sépare les cartes qui y parviennent juste de celles qui ont de la marge, dans le cas de GLM-4.5-Air. 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 page de carte répète ce balayage pour chaque modèle que nous détenons, répondant à ce que le matériel peut faire d'autre au-delà de GLM-4.5-Air.

Réponses

GLM-4.5-Air — questions courantes

GLM-4.5-Air— combien de puissance de calcul a été utilisée pour l'entraîner ?

L'entraînement a consommé environ 1.7 × 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.

GLM-4.5-Air— Puis-je l'exécuter s'il ne tient pas dans ma GPU?

Partiellement. Les couches qui ne tiennent pas sont dans la mémoire système et fonctionnent à une fraction de la vitesse, donc un modèle principalement déchargé vaut rarement la peine d'être utilisé. La plus proche approximation que nous calculons est inférieure de 16.3 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.

GLM-4.5-Air— 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 : 43. Ainsi, une seconde carte est rarement la réponse ici.

GLM-4.5-Air— pourquoi la quantification diffère-t-elle entre les cartes ?

Parce que la capacité varie, il en va de même pour la difficulté à être comprimé. Le nombre de niveaux distincts dans le tableau ci-dessus : 5. 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-Air— 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 : 107–284 tok/s sur B200. 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-Air— Quelle GPU ai-je besoin pour l'exécuter ?

La plus petite CARTE de notre catalogue qui le supporte est Radeon Instinct MI200, avec une capacité de mémoire de 64 GB. Il exécute le modèle à une compression de IQ4_XS environ 53.3 GB, et produit environ 69.7 tous les GPU capables de l'exécuter en total 43.

GLM-4.5-Air— à quelle vitesse est-il sur un GPU ?

Cela dépend de la carte. Le plus rapide que nous calculons est B200, à propos de 178 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 : 41.

GLM-4.5-Air— combien de VRAM cela nécessite-t-il ?

Cela nécessite environ 53.3 GB à une compression de IQ4_XS, 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-Air— 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-Air— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 106B. 106B parameters, 12B active. 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-Air— 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-Air— quand a-t-il été publié ?

Il a été publié dans August 2025.

GLM-4.5-Air— à quoi ça sert ?

Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR). Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

GLM-4.5-Air— 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.

Source

Publication originale

Dernière mise à jour enregistrée 9 February 2026

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.

Tous les modèles AI