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.
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.
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.