01Was es kann
- MoE 320B/18B aktiv: multimodales Flaggschiff
- Permissive MIT-Lizenz
- Nativer Kontext: 128k
- Multimodaler Chat / Code / Vision
- —Serverklasse mit mehreren GPUs (~186 GB VRAM in Q4)
- —Modellgewichte mit Zugangsbeschränkung auf Hugging Face (Zustimmung erforderlich)
- —Moderater Durchsatz angesichts der Gesamtgröße
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 5.3 Flash 320B-A18B?
Um GLM 5.3 Flash 320B-A18B lokal mit Q4-Quantisierung auszuführen, benötigen Sie etwa 186 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.
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.