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
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 GPU pour faire tourner GLM 4.7 Flash ?
Pour exécuter GLM 4.7 Flash en local en quantification Q4, il faut environ 19 Go de VRAM. Le meilleur rapport prix/performance : un RTX 4090 (24 Go de VRAM).
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.
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.
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.