Famille GLM · 753B paramètres

GLM 5.2 753B-A40B

GLM 5.2 (Zhipu/Z.ai, 753B/40B actifs MoE) : flagship multilingue zh/en, contexte 1M, ~437 Go VRAM Q4. MIT, classe data center. Sortie juin 2026.

🇨🇳 Zhipu AI·Licence MIT·Contexte 976.5625k tokens·Sortie 2026-06-16← Catalogue

01Ce qu'il sait faire

Points forts
  • MIT (usage commercial libre)
  • Contexte 1M tokens natif
  • MoE 40B actifs : meilleur rapport perf/inférence à très grande échelle
  • Multilingue zh / en avancé
Limites à connaître
  • —Taille totale 753B : requiert plusieurs GPU serveur (H100/H200 multi-cartes)
  • —Pas de tag Ollama officiel — install via HuggingFace
  • —Pas adapté aux configurations consumer
Architecture
MoE · 753B paramètres totaux / 40B actifs · contexte 1M tokens
Entraînement
GLM 5.2 (Zhipu / Z.ai) : successeur du GLM 5, architecture MoE à 40B paramètres actifs, contexte natif 1M tokens. Licence MIT, optimisé chat / code / multilingue (zh ↔ en).
Idéal pour
Serveur multi-GPUMultilingue zh / enContexte ultra-long 1M

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.

Q4_K_M
Le plus léger, ~5% de perte
437 Go
Q5_K_M
Bon compromis qualité/taille
535 Go
Q8_0
Quasi-indistinguable de FP16
806 Go
FP16
Pleine précision — usage serveur
1506 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 979 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.

Quel GPU pour faire tourner GLM 5.2 753B-A40B ?

Pour exécuter GLM 5.2 753B-A40B en local en quantification Q4, il faut environ 437 Go de VRAM. Le meilleur rapport prix/performance : un Mac Studio (64 Go de mémoire unifiée).

Où acheter le Mac Studio
DartyVoir Mac Studio →RakutenVoir Mac Studio →AmazonVoir Mac Studio →

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.

Entrée de gamme
~1.5t/s
GTX 1650, RX 6600, MBA M2 8Go
Milieu de gamme
~2.5t/s
RTX 4060, 4070, MBP M3 Pro
Haut de gamme
~5t/s
RTX 4090, M4 Max, Radeon 7900

04Installer

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

$# HuggingFace : zai-org/GLM-5.2
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.