GLM-4.1V-Thinking calcolatore TPS

Apri i pesi Z.ai (Zhipu AI),Tsinghua University 9B parametri August 2025

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

582 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Quadro 6000

6 GB · Q3_K_M · 15.5 tok/s

Scheda più veloce

B200

376 tok/s · 180 GB

Quali GPU possono eseguire GLM-4.1V-Thinking?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

582 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
376 tok/s 226–602 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	10.3 GB	Q8_0	Comodo
376 tok/s 226–602 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	10.3 GB	Q8_0	Comodo
301 tok/s 180–481 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	10.3 GB	Q8_0	Comodo
301 tok/s 180–481 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	10.3 GB	Q8_0	Comodo
240 tok/s 144–385 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	10.3 GB	Q8_0	Comodo
230 tok/s 138–368 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.3 GB	Q8_0	Comodo
230 tok/s 138–368 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	10.3 GB	Q8_0	Comodo
220 tok/s 132–352 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	10.3 GB	Q8_0	Comodo
195 tok/s 117–313 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	10.3 GB	Q8_0	Comodo
195 tok/s 117–313 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	10.3 GB	Q8_0	Comodo
195 tok/s 117–313 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	10.3 GB	Q8_0	Comodo
185 tok/s 111–297 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	10.3 GB	Q8_0	Comodo
158 tok/s 95–253 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.3 GB	Q8_0	Comodo
158 tok/s 95–253 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	10.3 GB	Q8_0	Comodo
158 tok/s 95–253 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	10.3 GB	Q8_0	Comodo
158 tok/s 95–253 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	10.3 GB	Q8_0	Comodo
158 tok/s 95–253 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	10.3 GB	Q8_0	Comodo
125 tok/s 75–200 · bassa fiducia	CMP 170HX 8 GB NVIDIA	8 GB	1,490 GB/s	Sep 2021	7.2 GB	Q5_K_M	Stretto
120 tok/s 72–193 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	10.3 GB	Q8_0	Comodo
120 tok/s 72–193 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	10.3 GB	Q8_0	Comodo
107 tok/s 64–171 · bassa fiducia	CMP 170HX 10 GB NVIDIA	10 GB	1,560 GB/s	Sep 2021	8.2 GB	Q6_K	Stretto
100 tok/s 60–161 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	10.3 GB	Q8_0	Comodo
98.2 tok/s 59–157 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	10.3 GB	Q8_0	Comodo
96.0 tok/s 58–154 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	10.3 GB	Q8_0	Comodo
96.0 tok/s 58–154 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	10.3 GB	Q8_0	Comodo

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Z.ai (Zhipu AI),Tsinghua University
Tipo di organizzazione: Industry,Academia
Paese: China
Pubblicato: 15 August 2025
Autori: 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…

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Multimodal, Vision, Language
Compito: Language modeling/generation, Question answering, Visual question answering, Image captioning
Modello di base: GLM-4-9B-0414

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 9B
Dati di addestramento: tokens

Calcolo di addestramento

L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.

Calcolo di addestramento: 9.2 × 10²³ FLOP
Come è stato stabilito: Operation counting
Addestramento fine: 1.1 × 10²³ FLOP

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (unrestricted)
Codice di addestramento: Unreleased
Hugging Face: zai-org

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Record fiducia: Likely

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning
Ultimo aggiornamento: 28 November 2025

Gli estremi

Le dieci GPU più veloci che eseguono GLM-4.1V-Thinking

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano GLM-4.1V-Thinking

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Cosa serve per eseguire questo modello

Scheda minima

Quadro 6000

Memoria necessaria

5.1 GB

Più veloce

376 tok/s

GLM-4.1V-Thinking raggiunge un conteggio di parametri di 9B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 582.

La scheda più piccola che lo tiene è Quadro 6000, con una capacità di memoria di 6 GB, eseguendolo a una compressione di Q3_K_M e producendo circa 15.5 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 376 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Sfondo

GLM-4.1V-Thinking è stato pubblicato da Z.ai (Zhipu AI),Tsinghua University, nel paese registrato come China, durante August 2025. Esce da un'organizzazione categorizzata come industry,Academia.

Funziona nel dominio di Multimodal, Vision, Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering, Visual question answering, Image captioning.

Il suo punto di partenza era un modello di base esistente, GLM-4-9B-0414. Quello è il modo abituale in cui viene prodotto un modello specializzato.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione zai-org.

Leggendo i dati di throughput

Meta delle schede che lo supportano gestiscono più di 21.1 token al secondo 541 di loro

Essendo denso, legge tutto se stesso per token, motivo per cui l'ordinamento per velocità qui sotto segue da vicino l'ordinamento per larghezza di banda della memoria.

Senza il layout di attenzione in archivio, la colonna della memoria è un'approssimazione. È abbastanza vicino per scegliere l'hardware e meno affidabile con contesto lungo.

Addestramento e provenienza

Il run di addestramento ha consumato circa 9.2 × 10²³ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.

Passo dopo passo

Come scegliere una GPU per GLM-4.1V-Thinking

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Controlla cosa serve prima di ogni altra cosa

La tabella elenca ogni card in grado di contenere GLM-4.1V-Thinking, avere bisogno di circa 5.1 GB a una compressione di Q3_K_M. Quella cifra, non le prestazioni di punta di una CARD, è ciò che decide se può essere eseguita.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

Imposta il contesto su ciò che utilizzerai effettivamente. La cache cresce con la conversazione, ed è il motivo consueto per cui una card che sembrava a posto smette di adattarsi. GLM-4.1V-Thinking.
03

Scegli quanto lontano lo comprimerai

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., raggiungendo una compressione di Q3_K_M sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per velocità

Ordina per velocità per vedere come si classificano le schede per GLM-4.1V-Thinking. Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 376 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

Una vestibilità stretta funziona, ma non lascia nulla in più per una conversazione più lunga, nel caso di GLM-4.1V-Thinking. Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Controlla la GPU dall'altro lato

Seguire una GPU attraverso la sua pagina mostra ogni altro modello che può contenere, che è la domanda che segue una volta che hai deciso su GLM-4.1V-Thinking.

Risposte

GLM-4.1V-Thinking — domande comuni

GLM-4.1V-Thinking— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q8_0, utilizzando circa 10.3 GB e generando approssimativamente 42.9 token al secondo. Il fit è stretto.

GLM-4.1V-Thinking— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q8_0, utilizzando circa 10.3 GB e generando approssimativamente 53.2 token al secondo. Il fit è comodo.

GLM-4.1V-Thinking— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q8_0, utilizzando circa 10.3 GB e generando approssimativamente 63.1 token al secondo. Il fit è comodo.

GLM-4.1V-Thinking— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

GLM-4.1V-Thinking— quanti parametri ha?

Ha un numero di parametri di 9B. 9B. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

GLM-4.1V-Thinking— chi l'ha creato?

È stato pubblicato da Z.ai (Zhipu AI),Tsinghua University, basato su China, un'organizzazione categorizzata come industry,Academia.

GLM-4.1V-Thinking— quando è stato rilasciato?

È stato pubblicato in August 2025.

GLM-4.1V-Thinking— A cosa serve?

Funziona nel dominio di Multimodal, Vision, Language, e viene registrato come gestire il compito di language modeling/generation, Question answering, Visual question answering, Image captioning. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.

GLM-4.1V-Thinking— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione zai-org. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

GLM-4.1V-Thinking— quanto calcolo è stato utilizzato per addestrarlo?

L'addestramento ha consumato circa 9.2 × 10²³ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.

GLM-4.1V-Thinking— posso eseguirlo se non si adatta nella mia GPU?

Solo scaricando, che di solito è una falsa economia: la parte tenuta in SYSTEM MEMORY rallenta tutto. La più vicina mancata che calcoliamo risulta insufficiente di 1.6 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.

GLM-4.1V-Thinking— due GPU lo farebbero andare più veloce?

Due schede comprano VRAM piuttosto che velocità, che conta solo se una scheda non può contenerla. Il numero che può: 582. Quindi una seconda CARD è raramente la risposta qui.

GLM-4.1V-Thinking— perché la quantizzazione differisce tra le schede?

Poiché la capacità varia, così deve essere spremuta. Il numero di livelli distinti nella tabella sopra: 4. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

GLM-4.1V-Thinking— quanto sono accurate queste stime di velocità?

Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: 226–602 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

GLM-4.1V-Thinking— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Quadro 6000, con una capacità di memoria di 6 GB. Esegui il modello a una compressione di Q3_K_M utilizzando circa 5.1 GB, e produce approssimativamente 15.5 token al secondo. Il numero di card in grado di eseguirlo in totale: 582.

GLM-4.1V-Thinking— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 376 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 541.

GLM-4.1V-Thinking— quanta VRAM serve?

Ha bisogno di 5.1 GB a una compressione di Q3_K_M, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

GLM-4.1V-Thinking— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q5_K_M, utilizzando circa 7.2 GB e generando approssimativamente 125 token al secondo. Il fit è stretto.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 28 November 2025

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI