GLM-4.5-Air TPS kalkulátor

Nyitott súlyok Z.ai (Zhipu AI),Tsinghua University 106B Paraméterek August 2025

Minden kártyát az alábbiak szerint értékelünk e modell alapján a választott kontextus hossza és minimális minőség szerint. A sebesség egy becslés egyetlen kérésre, amelyet a kártya memória sávszélessége és a modell mérete alapján számítunk ki, miután tömörítettük..

Kiszámítva ehhez a MODElhez

43 kártyák, amelyek futtatni tudják

818 kártyák, amelyek specifikációs adataink vannak

Legkisebb kártya, ami elfér

Radeon Instinct MI200

64 GB · IQ4_XS · 69.7 tok/s

Leggyorsabb kártya

B200

178 tok/s · 180 GB

Melyik GPU képes futtatni GLM-4.5-Air?

Állítsa be a bemeneteket, olvassa el a választ

Kontekthossz tokenek

Egy hosszabb beszélgetés több memóriaigényt támaszt, ami kiszoríthatja ezt a modellt a kisebb kártyákról..

Minimum minőség

Elrejti azokat a GPU-kártyákat, amelyek csak a modellbe illeszkednének a compressziójuk ezen pont alá..

Kártyák keresése

Kártya memória

Olyan kártyákat is mutasson, amelyek nem tudják futtatni.

43 kártyák illeszkednek

Számítás

					Szükséges	Kvantisálás	Illeszkedik
178 tok/s 107–284 · alacsony bizalom	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	108.8 GB	Q8_0	Kényelmes
178 tok/s 107–284 · alacsony bizalom	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	108.8 GB	Q8_0	Kényelmes
142 tok/s 85–227 · alacsony bizalom	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Kényelmes
142 tok/s 85–227 · alacsony bizalom	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	108.8 GB	Q8_0	Kényelmes
133 tok/s 80–213 · alacsony bizalom	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	71.8 GB	Q5_K_M	Szoros
133 tok/s 80–213 · alacsony bizalom	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	71.8 GB	Q5_K_M	Szoros
127 tok/s 76–203 · alacsony bizalom	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	84.1 GB	Q6_K	Szoros
113 tok/s 68–181 · alacsony bizalom	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	108.8 GB	Q8_0	Szoros
110 tok/s 66–176 · alacsony bizalom	H100 SXM5 64 GB NVIDIA	64 GB	2,020 GB/s	Mar 2023	53.3 GB	IQ4_XS	Szoros
109 tok/s 65–174 · alacsony bizalom	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	Szoros
109 tok/s 65–174 · alacsony bizalom	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	108.8 GB	Q8_0	Szoros
108 tok/s 65–173 · alacsony bizalom	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	Szoros
108 tok/s 65–173 · alacsony bizalom	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	Szoros
108 tok/s 65–173 · alacsony bizalom	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	84.1 GB	Q6_K	Szoros
104 tok/s 62–166 · alacsony bizalom	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	108.8 GB	Q8_0	Kényelmes
92.2 tok/s 55–148 · alacsony bizalom	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Szoros
92.2 tok/s 55–148 · alacsony bizalom	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Kényelmes
92.2 tok/s 55–148 · alacsony bizalom	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	108.8 GB	Q8_0	Kényelmes
80.9 tok/s 49–129 · alacsony bizalom	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	71.8 GB	Q5_K_M	Szoros
80.9 tok/s 49–129 · alacsony bizalom	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	71.8 GB	Q5_K_M	Szoros
80.9 tok/s 49–129 · alacsony bizalom	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	71.8 GB	Q5_K_M	Szoros
80.9 tok/s 49–129 · alacsony bizalom	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	Szoros
80.9 tok/s 49–129 · alacsony bizalom	H100 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Oct 2022	71.8 GB	Q5_K_M	Szoros
80.9 tok/s 49–129 · alacsony bizalom	H800 PCIe 80 GB NVIDIA	80 GB	2,040 GB/s	Mar 2023	71.8 GB	Q5_K_M	Szoros
76.9 tok/s 46–123 · alacsony bizalom	A100 PCIe 80 GB NVIDIA	80 GB	1,940 GB/s	Jun 2021	71.8 GB	Q5_K_M	Szoros

A sebességek egyetlen kérésre - egy beszélgetés egy időben - vonatkozó becslések, amelyeket a MEMORY BANDWIDTH, a MODEL SIZE és a QUANTISATION alapján számítanak ki. A valós áteresztőképesség változik az INFERENCE RUNTIME és annak verziója szerint. A HARDWARE VENDORS által közzétett számok sok párhuzamos kérést mérnek, és sokkal magasabbak..

Nyilvántartásban

Teljes specifikáció

Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..

Eredet

Ki építette ezt a modellt, hol, és mikor publikálták.

Szervezet: Z.ai (Zhipu AI),Tsinghua University
Szervezet típusa: Industry,Academia
Ország: China
Közölt: 5 August 2025
Szerzők: 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

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Language
Feladat: Language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR)

Méret

Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.

Paraméterek: 106B
Képzési adatok: tokens

Képzés számítás

A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.

Képzés számítás: 1.7 × 10²⁴ FLOP

Elérhetőség

Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.

Súlyok: Open — downloadable
Modell hozzáférés: Open weights (unrestricted)
Képzés kód: Unreleased
Hugging Face: zai-org

Hogyan van besorolva

Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.

Nyilvántartási bizalom: Confident

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models
Utoljára frissítve: 9 February 2026

Az extremitások

A tíz leggyorsabb GPU, amely képes futtatni GLM-4.5-Air

A másodpercenkénti becsült tokenek alapján rangsorolva, a legújabb kártyát először, ahol a sebességek azonosak. Mivel a generálás a MEMÓRIA SZÉLESSÉGÉhez van kötve, ez a sorrend a sávszélességet követi, nem pedig bármilyen játékbeli tesztet..

A legkisebb GPU-k, amik még futnak GLM-4.5-Air

A legolcsóbb út, a memória kapacitás alapján. Egy szoros illeszkedés futtatja a modellt, de semmit sem hagy a hosszabb beszélgetésre..

Mit jelentenek a számok

Hardverkövetelmények a gyakorlatban

Minimális kártya

Radeon Instinct MI200

Szükséges memória

53.3 GB

Leggyorsabb

178 tok/s

GLM-4.5-Air eléri a paraméterek számát 106B. Ez a fogyasztói hardveren felül helyezi, abba a tartományba, ahol egy kártyát ezért a célért vásárolnak, nem pedig átalakítanak erre. Az általunk nyomon követett kártyák száma, amelyek elférnek benne: 43.

A belépési pont a Radeon Instinct MI200, memória kapacitással rendelkezik 64 GB, futtatás egy tömörítési arányon IQ4_XS és körülbelül előállítva 69.7 tokenek másodpercenként

A legjobb kategóriájú B200, nagyjából generálás 178 másodpercenkénti tokenek egy memória sávszélesség erejében 8,000 GB/s.

Erről a modelről

GLM-4.5-Air ki lett adva által Z.ai (Zhipu AI),Tsinghua University, az országban rögzítve mint China, alatt August 2025. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry,Academia.

Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR).

A közzétett súlyok azt jelentik, hogy a modell a te gépeden fut, nem pedig valaki másén, ami lehetővé teszi az alábbi hardverkérdés megválaszolását. A Hugging Face-en az alábbi szervezet alatt van publikálva zai-org.

Milyen gyorsan fut, és miért

Minden olyan kártya esetében, amely képes futtatni, a közép tartományban ül 80.9 másodpercenkénti tokenek 41 tőlük

Mivel minden egyes tokent az súlyainak egy részhalmazán keresztül irányít, olyan szöveget állít elő, amely egy sokkal kisebb modell sebességén halad. A probléma a MEMORY: mindennek még mindig bele kell férnie, tehát a sebesség inkább bónusz, mint árkedvezmény a HARDWARE-ra.

Nélkül az attention elrendezés a nyilvántartásban, a memory oszlop egy közelítés. Elég közel van ahhoz, hogy hardver kiválasztását lehessen végezni, és a leghitványosabb hosszú context esetén.

Képzés és származás

A létrehozásához körülbelül összesítő aritmetikára volt szükség. 1.7 × 10²⁴ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.

Lépésről lépésre

Hogyan válasszunk GPU-t a GLM-4.5-Air

A fenti táblázat már értékelte az összes kártyát, amelynek specifikációi elérhetők ennek a modellen. A válaszod megszerzése hat lépést igényel..

01

Nézd meg, mire van szüksége, mielőtt bármi mást tennél.

A táblázat felsorolja az összes kártyát, amely képes tartani GLM-4.5-Air, körülbelül szükséges 53.3 GB a tömörítésnél IQ4_XS. A kapacitás a kapu — egy kártya vagy tartalmazza, vagy nem.
02

Állítsa be a használt CONTEXT LENGTH-et.

Állítsa be a kontextust arra, amit valójában használni fog. A cache a beszélgetéssel nő, és ez a szokásos oka annak, hogy egy kártya, amelynek korábban rendben kellett volna lennie, egyszer csak nem fér el. GLM-4.5-Air.
03

Döntsd el, mennyi tömörítést fogadsz el.

Minden KÁRTYA a legkevésbé tömörített másolatot futtatja, amelyet el tud tartani., elérni egy tömörítést a IQ4_XS a legkisebb kártyán, ami elfér. A minimális minőség beállítása eldobja azokat a kártyákat, amelyek csak úgy tudják kezelni, hogy tovább szorítanak, mint amit szeretnél, és egy szinten tartja az összehasonlítást.
04

Hasonlítsd össze a TOKENS PER SECOND-t, ne a SPECIFICATIONS-t.

A rangsorolás a másodpercenkénti tokenek alapján a memóriából származó sávszélességet követi, nem pedig a core-ok számát, ezért GLM-4.5-Air. Nem fog illeszkedni egy gaming rendeléshez, mert a generálás a memória sávszélesség által kötött. A listát vezető KÁRTYA B200, at 178 tok/s
05

Nézd a mozgásteret, ne csak a passzolást.

A megfelelő oszlop elválasztja azokat a kártyákat, amelyek épp hogy elboldogulnak, azoktól, amelyeknek van szabad helyük, az esetében GLM-4.5-Air. A Kényelmes azt jelenti, hogy később bővítheted a contextet. Ez a különbség fontosabb, mint néhány token másodpercenként, így kényelmeset vásárolj, ha ezt várod.
06

Nyisd meg a kiválasztott kártyát.

Minden kártyaoldal megismétli ezt a vizsgálatot minden modellre, amelyet birtoklunk, válaszolva arra, hogy mi másra jó a hardver, azon kívül, hogy GLM-4.5-Air.

Válaszok

GLM-4.5-Air — gyakori kérdések

GLM-4.5-Air— mennyi számítási kapacitást használtak annak a betanításához?

A képzés körülbelül elfogyasztott 1.7 × 10²⁴ FLOP. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.

GLM-4.5-Air— Futtathatom, ha nem fér el a GPU-mban?

Részben. Azok a rétegek, amelyek nem férnek el a GPU VRAM-ban, a rendszer memóriájában ülnek és a sebesség egy töredékén futnak, így egy túlnyomórészt áthelyezett AI model használata ritkán éri meg. A legközelebbi hiba, amit számítunk, alulmúlja 16.3 GB Minden ábra azt feltételezi, hogy az egész model a kártyán tartózkodik.

GLM-4.5-Air— Futtatna-e két GPU gyorsabban?

Két kártya memóriát vásárol, nem sebességet, ami csak akkor számít, ha az egyik kártya nem tudja tartani. Az a szám, ami tudja: 43. Tehát egy második KÁRTYA ritkán a megoldás itt.

GLM-4.5-Air— miért különbözik a kvantálás a kártyák között?

Mivel a kapacitás változik, úgy az is, hogy mennyire kell összenyomni. A fenti táblázatban lévő különböző szintek száma: 5. A nagyobb kártyák a pontosabb verziót kapják, és a minőségi küszöb felett a összehasonlítást egy szinten rögzíti.

GLM-4.5-Air— Mennyire pontosak ezek a sebességbecslések?

A specifikációkból számítják ki őket, nem pedig mérik, és mindegyiknek van egy tartománya. Egy példa: 107–284 tok/s a fájlban B200. Ugyanaz a modell és kártya harminc és ötven százalék között változik a következtetési szoftvertől és annak verziójától függően.

GLM-4.5-Air— Milyen GPU-ra van szükségem, hogy futtathassam?

A katalógusunk legkisebb kártyája, ami ezt tartja, az Radeon Instinct MI200, memória kapacitással rendelkezik 64 GB. A modell egy tömörítéssel fut. IQ4_XS használva körülbelül 53.3 GB, és körülbelül 69.7 másodpercenkénti tokenek. A kártyák összes száma, amelyek képesek futtatni. 43.

GLM-4.5-Air— mennyi idő alatt fut a GPU-n?

A kártyától függ. A leggyorsabb, amit számolunk, az B200, körülbelül 178 tokenek másodpercenként; a leglassabb, ami még fut, jelentősen kevesebbet képes kezelni. Az olvasási sebesség körülbelül tíz token másodpercenként, és a kártyák száma, amelyek ezt meg tudják tisztítani: 41.

GLM-4.5-Air— mennyi VRAM-ra van szüksége?

Kb. 53.3 GB tömörítési arányban IQ4_XS, melyik az a legkisebb KÁRTYA, amelyik futtatni tudja. Kevesebb tömörítés több szükséges: a fentebbi memória oszlop számai minden KÁRTYÁRA újraszámításra kerülnek, mert mindegyik tartalmazza a legkevésbé tömörített verziót, amit csak tud.

GLM-4.5-Air— Nyílt forráskódú?

Súlyai közzétételre kerültek, így letölthető és futtatható a saját hardvereden. Ne feledd, hogy az open weight nem azonos az open source teljes értelmében — nem mond semmit a tanulási adatokkal, a tanulási kóddal vagy a kereskedelmi feltételekkel kapcsolatban.

GLM-4.5-Air— Hány paramétere van?

Paraméterszáma 106B. 106B parameters, 12B active. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.

GLM-4.5-Air— Ki készítette ezt?

Kiadta Z.ai (Zhipu AI),Tsinghua University, alapján China, egy szervezet, amelyet kategorizáltak mint industry,Academia.

GLM-4.5-Air— Mikor adták ki?

Kibocsátották a August 2025.

GLM-4.5-Air— Mire használják?

Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot language modeling/generation, Question answering, Visual question answering, Image captioning, Video description, Table tasks, Character recognition (OCR). Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.

GLM-4.5-Air— Hol tudom letölteni?

Súlyait a Hugging Face-en tette közzé, a szervezet alatt zai-org. Nem tárolunk modell fájlokat — ez az oldal kiszámolja, hogy milyen hardver szükséges a futtatásukhoz.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 9 February 2026

A másik irány

Másik oldalról nézve?

Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..

Minden AI modell