Radeon PRO W7900
AMD
ExcellentFait tourner GLM-4.5-Air Q4_K_M entièrement en mémoire
Modèle · Z.ai
GLM-4.5-Air : VRAM et matériel nécessaires
En Q4_K_M avec un contexte de 8K, GLM-4.5-Air demande environ 65,8 Go : un GPU de 80 Go ou plus le fait tourner entièrement en VRAM.
- Paramètres106B
- Actifs12B
- Contexte max128K
- LicenceMIT
Caractéristiques
- Organisation
- Z.ai
- Architecture
- glm4_moe
- Sortie
- juillet 2025
- Couches
- 46
- Dimension cachée
- 4096
- Têtes d'attention
- 96
- Têtes KV
- 8
- Dimension par tête
- 128
- Vocabulaire
- 151 552
- Cache KV pour 1K tokens (f16)
- 0,18 Go
- Dépôt
- zai-org/GLM-4.5-Air
Spécification officielleDonnées mises à jour aujourd’huiSource: Hugging Face config.json + model card
Quantifications et mémoire
| Quantification | Taille du fichier | Mémoire nécessaire | Mémoire GPU minimale | Qualité |
|---|---|---|---|---|
| BF16 | 206 Go | ~210 Go | – | Référence (non quantifié) |
| Q8_0 | 109 Go | ~112 Go | – | Quasi sans perte |
| Q6_K | 92,2 Go | ~87,5 Go | – | Quasi sans perte |
| Q5_K_M | 77,8 Go | ~76,2 Go | 96 Go | Très bonne |
| Q4_K_MLa plus utilisée | 68 Go | ~65,8 Go | 80 Go | Bonne — le choix courant |
| IQ4_XS | 56,3 Go | ~60,1 Go | 80 Go | Bonne — le choix courant |
| Q3_K_M | 53,3 Go | ~54,2 Go | 80 Go | Perte perceptible |
| Q2_K | 42,2 Go | ~43,4 Go | 80 Go | Perte importante |
Tailles de fichier : non disponibles tant qu'elles ne sont pas importées du dépôt du modèle. Mémoire = poids (estimés d'après les bits par poids) + cache KV + surcoût runtime + marge de sécurité. (BF16 ≈ 16 bpw, Q8_0 ≈ 8,5 bpw, Q6_K ≈ 6,57 bpw, Q5_K_M ≈ 5,7 bpw, Q4_K_M ≈ 4,9 bpw, IQ4_XS ≈ 4,46 bpw, Q3_K_M ≈ 4 bpw, Q2_K ≈ 3,17 bpw)
Q4, Q5 ou Q8 : comment choisir sa quantification
Les GPU qui font tourner GLM-4.5-Air
| RTX 509032 Go · 64 Go RAM~73,7 Go · 3,5–7 tok/s estimation | Possible mais lent |
|---|---|
| RTX 409024 Go · 64 Go RAM~73,7 Go · 3–6 tok/s estimation | Possible mais lent |
| RTX 309024 Go · 64 Go RAM~73,7 Go · 3–6 tok/s estimation | Possible mais lent |
| RX 7900 XTX24 Go · 64 Go RAM~73,8 Go · 3–6 tok/s estimation | Possible mais lent |
| RTX 5060 Ti 16 GB16 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 5070 Ti16 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 508016 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 4060 Ti 16 GB16 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 4070 Ti SUPER16 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RX 9070 XT16 Go · 64 Go RAM~73,8 Go · Pas de données | Incompatible |
| RTX 3060 12 GB12 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 407012 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 507012 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
| RTX 40608 Go · 64 Go RAM~73,7 Go · Pas de données | Incompatible |
Les Mac qui font tourner GLM-4.5-Air
| M3 Ultra (80-core GPU) · 512 GoMac Studio~73,5 Go · 34–53 tok/s estimation | Excellent |
|---|---|
| M4 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~73,5 Go · 26–39 tok/s estimation | Excellent |
| M3 Max (40-core GPU) · 128 GoMacBook Pro 14, MacBook Pro 16~73,5 Go · 20–30 tok/s estimation | Excellent |
| M4 Pro (20-core GPU) · 64 GoMac mini, MacBook Pro 14~73,5 Go · Pas de données | Incompatible |
| M4 Max (32-core GPU) · 36 GoMacBook Pro 14, MacBook Pro 16~73,5 Go · Pas de données | Incompatible |
| M4 · 32 GoMacBook Air, MacBook Pro 14~73,5 Go · Pas de données | Incompatible |
| M5 · 32 GoMacBook Pro 14~73,5 Go · Pas de données | Incompatible |
| M3 · 24 GoMacBook Air, MacBook Pro 14~73,5 Go · Pas de données | Incompatible |
EstimationDonnées mises à jour il y a 40 joursSource: moteur Run LLM Locally
Les limites en clair
GLM-4.5-Air est un modèle à mélange d'experts : ses 106 Md de paramètres doivent tous être en mémoire, mais seuls 12 Md sont lus par token ; il génère donc bien plus vite qu'un modèle dense de même taille.
Le cache KV grandit avec le contexte : à 32K, il ajoute environ 5,8 Go aux poids.
Avec moins de 8 Go de VRAM, choisissez une quantification plus petite ou un modèle plus petit de la même famille.
Où acheter
Les prix et les liens suivent le marché choisi.
NVIDIA DGX Spark (GB10)
PC à mémoire unifiée
ExcellentFait tourner GLM-4.5-Air Q4_K_M entièrement en mémoire
Aucune offre importée pour ce marché : le lien ouvre une recherche sur la boutique.
Questions fréquentes
Combien de VRAM faut-il pour GLM-4.5-Air ?
Environ 65,8 Go en Q4_K_M avec un contexte de 8K, cache KV et surcoût compris. En Q8_0, il faut environ 112 Go. Un contexte plus long ajoute davantage : environ 5,8 Go de cache KV à 32K.
GLM-4.5-Air tourne-t-il sur Mac ?
Oui, sur un Mac dont le GPU peut utiliser au moins 73,5 Go, par exemple M4 Max (40-core GPU) 128 Go. Par défaut, macOS laisse le GPU utiliser environ deux tiers à trois quarts de la mémoire unifiée.
À quelle vitesse tourne GLM-4.5-Air ?
Sur une RTX 4090, nous estimons 3–6 tok/s en Q4_K_M. C'est une estimation fondée sur la bande passante mémoire (confiance faible) tant que des benchmarks ne sont pas importés.