01Was es kann
- MIT (freier kommerzieller Gebrauch erlaubt)
- Natives Kontextfenster mit 1 Million Tokens
- MoE mit 40B aktiven Parametern: bestes Verhältnis von Leistung zu Inferenz bei sehr großem Maßstab
- Fortgeschrittene mehrsprachige Fähigkeiten zh / en
- —Gesamtgröße 753B: erfordert mehrere Server-GPUs (H100/H200 in einer Konfiguration mit mehreren Karten)
- —Kein offizieller Ollama-Tag — Installation über HuggingFace
- —Nicht für Consumer-Konfigurationen geeignet
04Installieren
Installieren Sie Ollama für Ihr Betriebssystem. Prüfen Sie das Modell und seine Quantisierung vor dem Download. Beginnen Sie mit einem Kontext von 4096 Tokens und prüfen Sie anschließend mit ollama ps, wo das Modell ausgeführt wird. Ein unten aufgeführter Befehl ist kein Beweis dafür, dass ein Test auf Ihrem Computer ausgeführt wurde.
02Benötigter Speicher
Ungefähr benötigter GPU-VRAM zum Ausführen dieses Modells, einschließlich des Speicherbedarfs für einen Kontext von 4k Tokens. Für einen längeren Kontext rechnen Sie mit zusätzlich ca. 1 GB je 8k Tokens.
Welche Hardware eignet sich für GLM 5.2 753B-A40B?
Um GLM 5.2 753B-A40B lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 437 GB VRAM. Eine Option zum Vergleich: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — dieses Modell überschreitet die GPU-Kapazität dieses Mini-PCs: Wählen Sie ein kleineres Modell oder eine geeignete Infrastruktur.
Warum diese Wahl? Unsere vollständige Übersicht zu GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Affiliate-Links — mögliche Provision ohne zusätzliche Kosten für Sie, unabhängige Empfehlung. Als Amazon-Partner verdient WelchesLLM an qualifizierten Käufen.
Zu groß für Ihren Rechner? Das Kit liefert Ihnen das Modell, das in Ihren VRAM passt
- Lebenslanger Online-Zugang
- PDF + Dateien
- Lebenslange Updates
03Erwartete Geschwindigkeit
Generierte Tokens pro Sekunde in Q4_K_M, Kontext 4k. Jenseits von 20 t/s, lässt es sich angenehm lesen. Bei weniger als 10 t/s, eignet es sich nur zum Testen.