GLM 4.7 Flash TPS-rekenmachine

Open gewichten Z.ai (Zhipu AI) 30B parameters December 2025

Elke kaart hieronder wordt beoordeeld op basis van dit model met de contextlengte en minimale kwaliteit die je kiest. Snelheid is een schatting voor een enkele aanvraag, berekend op basis van de geheugendoorvoer van de kaart en de grootte van het model eenmaal gecomprimeerd..

Bereken voor dit model

132 kaarten die het kunnen draaien

818 kaarten die we hebben specificaties voor

Kleinste kaart die past

RTX A4500

20 GB · IQ4_XS · 22.2 tok/s

Snelste kaart

B200

113 tok/s · 180 GB

Welke GPU's kunnen draaien GLM 4.7 Flash?

Stel de invoer in, lees het antwoord

Contextlengte tokens

Een langere conversatie heeft meer geheugen nodig, wat dit model van kleinere kaarten kan duwen..

Minimale kwaliteit

Verbergt kaarten die alleen in het model passen door het onder dit punt te comprimeren.

Zoek kaarten

Kaartgeheugen

Toon ook kaarten die het niet kunnen draaien

132 kaarten passen

Berekenen

					Heeft	Kwantificatie	Past
113 tok/s 68–181 · lage vertrouwen	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	32.8 GB	Q8_0	Comfortabel
113 tok/s 68–181 · lage vertrouwen	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	32.8 GB	Q8_0	Comfortabel
90.2 tok/s 54–144 · lage vertrouwen	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	32.8 GB	Q8_0	Comfortabel
90.2 tok/s 54–144 · lage vertrouwen	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	32.8 GB	Q8_0	Comfortabel
72.1 tok/s 43–115 · lage vertrouwen	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	32.8 GB	Q8_0	Comfortabel
69.0 tok/s 41–110 · lage vertrouwen	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	32.8 GB	Q8_0	Comfortabel
69.0 tok/s 41–110 · lage vertrouwen	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	32.8 GB	Q8_0	Comfortabel
66.1 tok/s 40–106 · lage vertrouwen	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	32.8 GB	Q8_0	Comfortabel
58.6 tok/s 35–94 · lage vertrouwen	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	32.8 GB	Q8_0	Comfortabel
58.6 tok/s 35–94 · lage vertrouwen	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	32.8 GB	Q8_0	Comfortabel
58.6 tok/s 35–94 · lage vertrouwen	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	32.8 GB	Q8_0	Comfortabel
55.6 tok/s 33–89 · lage vertrouwen	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	32.8 GB	Q8_0	Comfortabel
47.4 tok/s 28–76 · lage vertrouwen	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	32.8 GB	Q8_0	Comfortabel
47.4 tok/s 28–76 · lage vertrouwen	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	32.8 GB	Q8_0	Comfortabel
47.4 tok/s 28–76 · lage vertrouwen	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	32.8 GB	Q8_0	Comfortabel
47.4 tok/s 28–76 · lage vertrouwen	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	32.8 GB	Q8_0	Comfortabel
47.4 tok/s 28–76 · lage vertrouwen	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	32.8 GB	Q8_0	Comfortabel
43.7 tok/s 26–70 · lage vertrouwen	GeForce RTX 5090 D V2 NVIDIA	24 GB	1,340 GB/s	Aug 2025	18.8 GB	Q4_K_M	Krap
39.8 tok/s 24–64 · lage vertrouwen	A30X NVIDIA	24 GB	1,220 GB/s	Apr 2021	18.8 GB	Q4_K_M	Krap
38.4 tok/s 23–61 · lage vertrouwen	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	25.8 GB	Q6_K	Krap
38.4 tok/s 23–61 · lage vertrouwen	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	25.8 GB	Q6_K	Krap
36.7 tok/s 22–59 · lage vertrouwen	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.8 GB	Q6_K	Krap
36.7 tok/s 22–59 · lage vertrouwen	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	25.8 GB	Q6_K	Krap
36.1 tok/s 22–58 · lage vertrouwen	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	32.8 GB	Q8_0	Comfortabel
36.1 tok/s 22–58 · lage vertrouwen	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	32.8 GB	Q8_0	Comfortabel

Snelheden zijn schattingen voor een enkele aanvraag — één gesprek tegelijk — berekend vanuit geheugendebandbreedte, modelgrootte en kwantisatie. De werkelijke doorvoer varieert met de inferentietijd en de versie ervan. Cijfers gepubliceerd door hardwareleveranciers meten veel gelijktijdige aanvragen en zijn veel hoger.

Op record

Volledige specificatie

Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..

Oorsprong

Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.

Organisatie: Z.ai (Zhipu AI)
Organisatietype: Industry
Land: China
Gepubliceerd: 22 December 2025

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Language
Taak: Coding, Language modeling/generation

Grootte

Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.

parameters: 30B
Training gegevens: tokens

Beschikbaarheid

Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.

Gewichten: Open — downloadable
Toegang tot model: Open weights (unrestricted)
Hugging Face: zai-org

Hoe het is geclassificeerd

Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.

Record vertrouwen: Likely

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: GLM-4.7: Advancing the Coding Capability
Laatst bijgewerkt: 8 April 2026

De extremen

De tien snelste GPU's die draaien GLM 4.7 Flash

Gerangschikt op geschatte tokens per seconde, nieuwste kaart eerst waar snelheden gelijk zijn. Omdat generatie gebonden is aan geheugensnelheid, volgt deze ordening de snelheid in plaats van een gamebenchmark..

De kleinste GPU's die nog steeds draaien GLM 4.7 Flash

De goedkoopste route erin, op basis van geheugencapaciteit. Een krappe pasvorm draait het model maar laat niets over voor een langer gesprek..

Wat de cijfers betekenen

Wat je nodig hebt om het te draaien

Minimum kaart

RTX A4500

Geheugen nodig

17.1 GB

Snelste

113 tok/s

GLM 4.7 Flash bereikt een parameter telling van 30B. Dat valt binnen het bereik dat een serieuze desktopkaart kan aansteken zodra de gewichten zijn gecomprimeerd. Het aantal kaarten dat we volgen die het kunnen draaien: 132.

De minste hardware die werkt is RTX A4500, met een geheugen capaciteit van 20 GB, het draaien ervan met een compressie van IQ4_XS en produceren rond 22.2 tokens per seconde

Aan de andere kant zit B200, genereren ongeveer 113 tokens per seconde op basis van een geheugendoorbandsnelheid van 8,000 GB/s.

Wat dit model is

GLM 4.7 Flash werd gepubliceerd door Z.ai (Zhipu AI), in het land geregistreerd als China, tijdens December 2025. Het komt uit een organisatie gecategoriseerd als industry.

Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van coding, Language modeling/generation.

Omdat de gewichten zijn vrijgegeven, hangt niets over het uitvoeren ervan af van een leverancier die beschikbaar blijft — het is van jou zodra het is gedownload. Op Hugging Face is het gepubliceerd onder de organisatie zai-org.

Wat bepaalt de snelheid

De mediaanresultaat is rond 22.0 tokens per seconde. Het produceren van tekst sneller dan de meeste mensen het lezen. 104 van hen

Elke gewicht participeert in elke token hier, dus bandbreedte is het hele verhaal: de ranking hieronder is effectief een ranking van geheugendoorvoer.

De interne architectuur is niet gedocumenteerd, dus het geheugen wordt geschat op basis van het aantal parameters en dienovereenkomstig gemarkeerd. Verwacht dat de werkelijke waarde verschilt, vooral bij lange context.

Stap voor stap

Hoe een GPU te kiezen voor GLM 4.7 Flash

De tabel hierboven heeft elke kaart die we specificaties voor hebben al vergeleken met dit model. Het bereiken van uw antwoord kost zes stappen..

01

Begin vanuit de geheugen kolom

Begin met wat het eigenlijk nodig heeft, namelijk de vereiste van GLM 4.7 Flash, ongeveer nodig 17.1 GB bij een compressie van IQ4_XS. De capaciteit is de poort — een GPU-kaart houdt het of het houdt het niet.
02

Stem de context af op uw werkelijke gebruik

Het gesprek verbruikt ook geheugen en groeit naarmate het vordert. Stel de schuifregelaar in op de lengte die je verwacht, want bij lange CONTEXT kan een KAART die korte vragen gemakkelijk afhandelt, verworpen worden door GLM 4.7 Flash.
03

Stel een kwaliteitsvloer in

De kwantisatiekolom varieert per CARD, omdat een grotere CARD een nauwkeuriger kopie vasthoudt., bereiken van een compressie van IQ4_XS op de kleinste kaart die past. Het instellen van een minimumkwaliteit laat de kaarten vallen die het alleen maar beheersen door verder te persen dan je zou willen, en houdt de vergelijking op één niveau.
04

Vergelijk tokens per seconde, niet specificaties

Sorteren op snelheid om te zien hoe de kaarten gerangschikt zijn voor GLM 4.7 Flash. Het zal niet passen bij een gaming bestelling, omdat generatie gebonden is aan geheugenbandbreedte. De kaart bovenaan de lijst is B200, bij 113 tok/s
05

Kijk naar de speling, niet alleen naar de pasvorm.

De fit-kolom scheidt kaarten die het net halen van die met ruimte over, in het geval van GLM 4.7 Flash. Comfortabel betekent dat je de context later kunt vergroten. Dat verschil is belangrijker dan een paar tokens per seconde, dus koop voor comfortabel als je dat verwacht.
06

Open de kaart die je hebt gekozen.

Elke kaartnaam linkt naar zijn eigen pagina, die dezelfde berekening door het hele modelcatalogus uitvoert. Een kaart wordt meestal gekocht voor meer dan één model, dus het is de moeite waard om te kijken voordat je koopt voor GLM 4.7 Flash.

Antwoorden

GLM 4.7 Flash — veelgestelde vragen

GLM 4.7 Flash— kan ik het draaien als het niet in mijn GPU past?

Alleen door af te laden, wat meestal een valse economie is: het deel dat in systeemgeheugen wordt vastgehouden, houdt het hele ding tegen. De dichtstbijzijnde miscalculatie die we berekenen, komt tekort met 4.4 GB Elke figuur hier gaat ervan uit dat het hele model op de kaart staat.

GLM 4.7 Flash— Zouden twee GPU's het sneller draaien?

Twee kaarten kopen geheugen in plaats van snelheid, wat alleen van belang is als één kaart het niet kan bevatten. Het aantal dat kan: 132. Dus een tweede card is zelden het antwoord hier.

GLM 4.7 Flash— waarom verschilt de quantisatie tussen kaarten?

Elke kaart wordt weergegeven met de minst-gecomprimeerde kopie die hij kan bevatten. Het aantal verschillende compressieniveaus op de kaarten die het kunnen houden: 5. Grotere CARDS krijgen de meer nauwkeurige versie, en de kwaliteitsvloer boven pins beperkt de vergelijking tot één niveau.

GLM 4.7 Flash— hoe nauwkeurig zijn deze snelheidsschattingen?

Ze worden berekend uit specificaties in plaats van gemeten, en elk heeft een bereik. Een voorbeeld: 68–181 tok/s op B200. Hetzelfde model en kaart variëren met dertig tot vijftig procent, afhankelijk van de inferentiesoftware en de versie ervan.

GLM 4.7 Flash— Welke GPU heb ik nodig om het te draaien?

De kleinste kaart in onze catalogus die het vasthoudt is RTX A4500, met een geheugen capaciteit van 20 GB. Het draait het model op een compressie van IQ4_XS ongeveer 17.1 GB, en produceert ongeveer 22.2 tokens per second. Het aantal kaarten dat het totaal kan draaien: 132.

GLM 4.7 Flash— hoe snel is het op een GPU?

Het hangt af van de kaart. De snelste die we berekenen is B200, ongeveer 113 tokens per seconde; de langzaamste die het nog steeds draait haalt aanzienlijk minder. De leessnelheid is rond de tien tokens per seconde, en het aantal kaarten dat dat haalt: 104.

GLM 4.7 Flash— hoeveel VRAM heeft het nodig?

Het heeft ongeveer 17.1 GB bij een compressie van IQ4_XS, welke is wat de kleinste card die het draait gebruikt. Minder compressie heeft meer nodig: de cijfers in de memory-kolom hierboven worden opnieuw berekend voor elke card, omdat elke card de minst gecomprimeerde versie kan vasthouden.

GLM 4.7 Flash— kan ik het draaien op een GPU met 24 GB?

Ja. De GPU kaart GeForce RTX 5090 D V2, houden 24 GB, draait het met een compressie van Q4_K_M, ongeveer 18.8 GB en genereren ongeveer 43.7 tokens per second. De pasvorm is krap.

GLM 4.7 Flash— is het open-source?

De gewichten zijn gepubliceerd, zodat ze kunnen worden gedownload en op je eigen hardware kunnen worden uitgevoerd. Houd er rekening mee dat OPEN WEIGHTS niet hetzelfde is als open source in de volle zin — het zegt niets over de trainingsdata, de trainingscode of de commerciële voorwaarden die eraan zijn verbonden.

GLM 4.7 Flash— hoeveel parameters heeft het?

Het heeft een parameter telling van 30B. "GLM-4.7-Flash is a 30B-A3B MoE model.". Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.

GLM 4.7 Flash— wie heeft het gemaakt?

Het werd gepubliceerd door Z.ai (Zhipu AI), gebaseerd op China, een organisatie geclassificeerd als industry.

GLM 4.7 Flash— wanneer is het uitgebracht?

Het werd gepubliceerd in December 2025.

GLM 4.7 Flash— waarvoor wordt het gebruikt?

Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van coding, Language modeling/generation. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.

GLM 4.7 Flash— waar kan ik het downloaden?

Zijn gewichten zijn gepubliceerd op Hugging Face, onder de organisatie zai-org. Wij hosten geen modelbestanden - deze site berekent welke hardware nodig is om ze te draaien.

Bron

Originele publicatie

Laatste update geregistreerd 8 April 2026

De andere richting

Van de andere kant bekijken?

Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.

Alle AI-modellen