Quanta memória GLM-4.5 Air precisa?

Cerca de 59,6 GB de pesos com 4 bits, mais espaço para o contexto: 64,4 GB no total. No Mac, isso significa 96 GB de memória unificada ou mais, já que o macOS deixa a GPU usar cerca de 75% dela por padrão.

Qual é a velocidade de GLM-4.5 Air no Mac?

A velocidade de escrita depende da largura de banda da memória. Aqui, o Mac mais rápido para ele é um M5 Ultra com 96 GB, a cerca de 79–141 tokens por segundo (4 bits). O menor Mac que o roda, com 96 GB, chega a cerca de 79–141 em um M5 Ultra.

Por que GLM-4.5 Air roda mais rápido do que o tamanho sugere?

É um modelo mixture-of-experts: ele mantém 106B parâmetros na memória, mas lê só 12B a cada token, então escreve na velocidade de um modelo bem menor.

Um Mac roda GLM-4.5 Air? Memória e velocidade

Memória em cada precisão

Versão	Pesos	Com contexto	Menor Mac
8 bits	113 GB	122 GB	192 GB
6 bits	86,1 GB	93 GB	128 GB
4 bits	59,6 GB	64,4 GB	96 GB
3 bits qualidade menor	46,4 GB	50,1 GB	96 GB
2 bits qualidade menor	33,1 GB	35,7 GB	48 GB

Em cada chip da Apple

O menor tamanho de memória de cada chip que roda GLM-4.5 Air, a melhor versão que cabe e a velocidade de escrita que você pode esperar.

Chip	Precisa	Versão	Tokens/s
M6	nenhum tamanho serve	Grande demais	–
M5 Ultra	96 GB	4 bits Roda bem	79–141
M5 Max	128 GB	6 bits Roda bem	28–50
M5 Pro	48 GB	2 bits Roda bem	36–65
M5	nenhum tamanho serve	Grande demais	–
M4 Max	128 GB	6 bits Roda bem	25–45
M4 Pro	48 GB	2 bits Roda bem	32–57
M4	nenhum tamanho serve	Grande demais	–
M3 Ultra	96 GB	4 bits Roda bem	54–96
M3 Max	96 GB	4 bits Roda bem	20–35
M3 Pro	nenhum tamanho serve	Grande demais	–
M3	nenhum tamanho serve	Grande demais	–
M2 Ultra	128 GB	6 bits Roda bem	37–65
M2 Max	96 GB	4 bits Roda bem	26–47
M2 Pro	nenhum tamanho serve	Grande demais	–
M2	nenhum tamanho serve	Grande demais	–
M1 Ultra	128 GB	6 bits Roda bem	37–65
M1 Max	64 GB	2 bits Roda bem	47–84
M1 Pro	nenhum tamanho serve	Grande demais	–
M1	nenhum tamanho serve	Grande demais	–

Como rodar

O jeito fácil: baixe o MLX Harness, grátis e open source. Procure GLM-4.5 Air, baixe a versão que cabe no seu Mac e comece a conversar. O MLX Harness também disponibiliza o modelo para os seus outros apps por uma API compatível com a OpenAI.Baixe o MLX HarnessGrátis · Apple Silicon · macOS 14.5 ou posterior
No Terminal, com o MLX da Apple:pip install mlx-lmmlx_lm.chat --model mlx-community/GLM-4.5-Air-4bitVersão MLX: mlx-community/GLM-4.5-Air-4bit no Hugging Face. As outras precisões ficam logo ao lado.

Passo a passo: baixar e rodar LLMs no Mac · como usar o MLX Harness · MLX vs Ollama vs llama.cpp

Sobre GLM-4.5 Air

Criado por	Z.ai (Zhipu)
Parâmetros	106B no total · 12B ativos (mixture-of-experts)
Contexto	128K tokens
Licença	MIT
Lançamento	2025-07
Entrada	Texto
Pesos	zai-org/GLM-4.5-Air

Perguntas

Quanta memória GLM-4.5 Air precisa?: Cerca de 59,6 GB de pesos com 4 bits, mais espaço para o contexto: 64,4 GB no total. No Mac, isso significa 96 GB de memória unificada ou mais, já que o macOS deixa a GPU usar cerca de 75% dela por padrão.
Qual é a velocidade de GLM-4.5 Air no Mac?: A velocidade de escrita depende da largura de banda da memória. Aqui, o Mac mais rápido para ele é um M5 Ultra com 96 GB, a cerca de 79–141 tokens por segundo (4 bits). O menor Mac que o roda, com 96 GB, chega a cerca de 79–141 em um M5 Ultra.
Por que GLM-4.5 Air roda mais rápido do que o tamanho sugere?: É um modelo mixture-of-experts: ele mantém 106B parâmetros na memória, mas lê só 12B a cada token, então escreve na velocidade de um modelo bem menor.

Modelos parecidos

Todos os modelos · Todos os Macs · Compare o seu Mac

Para o model card ou o README do seu modelo

Mostra o menor Mac que roda bem GLM-4.5 Air e leva para esta página.

[![Runs on a Mac](https://mlx.app/badge/run/glm-4.5-air.svg)](https://mlx.app/run/glm-4.5-air)

Como é calculado

Memória: os parâmetros do modelo com 8, 6, 4, 3 ou 2 bits por peso, mais as escalas por grupo do MLX (meio bit por peso), ou o formato nativo do modelo, com espaço extra para o contexto. Por padrão, o macOS deixa a GPU usar cerca de 75% da memória unificada. Velocidade: a largura de banda da memória dividida pelos bytes lidos por token é o teto para uma conversa; nos benchmarks públicos de Apple Silicon do llama.cpp, execuções reais chegam a cerca de 45% a 80% desse teto, que é a faixa mostrada. São estimativas, não medições: meça o seu Mac no MLX Bench. Dados dos modelos tirados de cada model card oficial; dados dos chips, das especificações técnicas da Apple. Verificado em 2026-10-19. Os mesmos dados de mlx.app/compare.