Puis-je faire tourner GLM-4.6V-Flash ?
GLM-4.6V-Flash de Z.ai demande environ 12 GB de RAM avec la quantisation 4 bits recommandée (5.5 GB à télécharger). Votre matériel est vérifié ci-dessous — instantanément, rien ne quitte votre navigateur. Comptez environ ~56 tok/s sur un NVIDIA RTX 3060 12GB.
Lecture des signaux matériels…
Caractéristiques
Taille selon la quantisation
| Quantisation | Bits/poids | Téléchargement | RAM min. | Qualité |
|---|---|---|---|---|
| Q2_K | 3.35 | 3.8 GB | 8 GB | Perte sensible |
| Q4_K_MRecommandée | 4.85 | 5.5 GB | 12 GB | Recommandée |
| Q5_K_M | 5.65 | 6.4 GB | 12 GB | Élevée |
| Q8_0 | 8.5 | 9.6 GB | 16 GB | Quasi originale |
| F16 | 16 | 18.0 GB | 24 GB | Originale |
Les tailles sont estimées à partir du nombre de paramètres × bits par poids ; les builds GGUF réels varient légèrement. · Données mises à jour: 2026-06-11 · Comment nous calculons ces chiffres →
Mémoire nécessaire selon la longueur de contexte
| Contexte | Cache KV (est.) | Mémoire totale (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 |
Le cache KV grossit avec la longueur du contexte — un modèle qui tient à 4K peut manquer de mémoire à 32K. Les estimations supposent un cache FP16 avec grouped-query attention ; l'usage réel varie selon le runtime.
Vitesse estimée selon le matériel
| Matériel | Bande passante | ~Vitesse |
|---|---|---|
| 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 génération de tokens est limitée par la bande passante mémoire : tok/s ≈ bande passante × 0,85 ÷ taille du modèle en Q4. Les chiffres réels varient selon le runtime et la longueur du contexte.