¿Puedo ejecutar GLM-4.6V-Flash?
GLM-4.6V-Flash, de Z.ai, necesita alrededor de 12 GB de RAM con la cuantización recomendada de 4 bits (descarga de 5.5 GB). Tu hardware se comprueba abajo — al instante, nada sale de tu navegador. Espera alrededor de ~56 tok/s en un NVIDIA RTX 3060 12GB.
Leyendo las señales de tu hardware…
Especificaciones
Tamaño por cuantización
| Cuantización | Bits/peso | Descarga | RAM mínima | Calidad |
|---|---|---|---|---|
| Q2_K | 3.35 | 3.8 GB | 8 GB | Pérdida notable |
| Q4_K_MRecomendada | 4.85 | 5.5 GB | 12 GB | Recomendada |
| Q5_K_M | 5.65 | 6.4 GB | 12 GB | Alta |
| Q8_0 | 8.5 | 9.6 GB | 16 GB | Casi original |
| F16 | 16 | 18.0 GB | 24 GB | Original |
Los tamaños son estimaciones de número de parámetros × bits por peso; las builds GGUF reales varían un poco. · Datos actualizados: 2026-06-11 · Cómo calculamos estos números →
Memoria necesaria según la longitud de contexto
| Contexto | Caché KV (est.) | Memoria total (Q4) |
|---|---|---|
| 4K tokens | ~0.6 GB | ~6.1 GB |
| 8K tokens | ~1.1 GB | ~6.6 GB |
| 32K tokens | ~4.4 GB | ~9.9 GB |
| 128K tokens | ~17.7 GB | ~23.2 GB |
La caché KV crece con la longitud del contexto — un modelo que cabe a 4K puede quedarse sin memoria a 32K. Las estimaciones asumen una caché en FP16 con grouped-query attention; el uso real varía según el runtime.
Velocidad estimada según el hardware
| Hardware | Ancho de banda | ~Velocidad |
|---|---|---|
| NVIDIA RTX 3060 12GB | 360 GB/s | ~56 tok/s |
| NVIDIA RTX 4090 24GB | 1008 GB/s | ~157 tok/s |
| Apple M-series (base) | 100 GB/s | ~16 tok/s |
| Apple M-series Pro | 270 GB/s | ~42 tok/s |
| Apple M-series Max | 410 GB/s | ~64 tok/s |
| CPU only (dual-channel DDR5) | 60 GB/s | ~9 tok/s |
La generación de tokens está limitada por el ancho de banda de la memoria: tok/s ≈ ancho de banda × 0,85 ÷ tamaño del modelo en Q4. Las cifras reales varían según el runtime y la longitud del contexto.