Могу ли я запустить GLM-4.6V-Flash?
Модели GLM-4.6V-Flash от Z.ai нужно около 12 GB RAM при рекомендуемой 4-битной квантизации (загрузка 5.5 GB). Проверка вашего железа — ниже: мгновенно, ничего не покидает ваш браузер. Ожидайте примерно ~56 tok/s на NVIDIA RTX 3060 12GB.
Считываем характеристики вашего железа…
Характеристики
Размер по квантизации
| Квантизация | Бит/вес | Загрузка | Мин. RAM | Качество |
|---|---|---|---|---|
| Q2_K | 3.35 | 3.8 GB | 8 GB | Заметная потеря |
| Q4_K_MРекомендуется | 4.85 | 5.5 GB | 12 GB | Рекомендуется |
| Q5_K_M | 5.65 | 6.4 GB | 12 GB | Высокое |
| Q8_0 | 8.5 | 9.6 GB | 16 GB | Почти оригинал |
| F16 | 16 | 18.0 GB | 24 GB | Оригинал |
Размеры рассчитаны как число параметров × бит на вес; реальные сборки GGUF немного отличаются. · Данные обновлены: 2026-06-11 · Как мы считаем эти цифры →
Память в зависимости от длины контекста
| Контекст | KV-кэш (оценка) | Всего памяти (Q4) |
|---|---|---|
| 4K токенов | ~0.6 GB | ~6.1 GB |
| 8K токенов | ~1.1 GB | ~6.6 GB |
| 32K токенов | ~4.4 GB | ~9.9 GB |
| 128K токенов | ~17.7 GB | ~23.2 GB |
KV-кэш растёт вместе с длиной контекста — модель, которая помещается при 4K, может упереться в нехватку памяти при 32K. Оценки предполагают FP16-кэш с grouped-query attention; реальное потребление зависит от рантайма.
Оценка скорости по железу
| Железо | Пропускная способность | ~Скорость |
|---|---|---|
| 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 |
Генерация токенов упирается в пропускную способность памяти: tok/s ≈ пропускная способность × 0,85 ÷ размер модели при Q4. Реальные цифры зависят от рантайма и длины контекста.