01Ce qu'il sait faire
- SWE-bench Verified 59.2 — top classe 30B
- MIT totalement libre
- ~3B actifs : 60-100 tok/s sur 3090/4090
- 128k contexte
- —19 Go en Q4 — juste pour 16 Go
- —Moins naturel en français que Qwen/Mistral
05Installer
Installez Ollama pour votre OS. Vérifiez le modèle et sa quantification avant le téléchargement. Commencez avec 4096 tokens de contexte, puis contrôlez le placement avec ollama ps. Une commande ci-dessous n’est pas une preuve de test exécuté sur votre machine.
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Quel matériel pour GLM 4.7 Flash ?
Pour exécuter GLM 4.7 Flash en local en quantification Q4, il faut environ 19 Go de VRAM. Une option à comparer : GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) — gardez une marge pour le système et le contexte ; vérifiez la compatibilité du moteur avec le GPU.
Pourquoi ce choix ? Notre fiche complète sur GMKtec EVO-X2 64 Go / 1 To (Ryzen AI Max+ 395) →
Liens affiliés — commission possible sans surcoût pour vous, reco indépendante. En tant que Partenaire Amazon, QuelLLM réalise un bénéfice sur les achats remplissant les conditions requises.
En mobilité : GLM 4.7 Flash tourne aussi sur un PC portable RTX (24 Go de VRAM) →
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Benchmarks publics
Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.