Memória em cada precisão
| Versão | Pesos | Com contexto | Menor Mac |
|---|---|---|---|
| 8 bits | 31,9 GB | 34,5 GB | 48 GB |
| 6 bits | 24,4 GB | 26,4 GB | 36 GB |
| 4 bits | 16,9 GB | 18,4 GB | 32 GB |
| 3 bits qualidade menor | 13,1 GB | 14,6 GB | 24 GB |
| 2 bits qualidade menor | 9,4 GB | 10,9 GB | 16 GB |
Em cada chip da Apple
O menor tamanho de memória de cada chip que roda GLM-4.7 Flash, a melhor versão que cabe e a velocidade de escrita que você pode esperar.
| Chip | Precisa | Versão | Tokens/s |
|---|---|---|---|
| M6 | 32 GB | 4 bits Roda bem | 45–80 |
| M5 Ultra | 96 GB | 8 bits Roda bem | 169–300 |
| M5 Max | 36 GB | 6 bits Roda bem | 86–153 |
| M5 Pro | 48 GB | 8 bits Roda bem | 43–77 |
| M5 | 32 GB | 4 bits Roda bem | 41–72 |
| M4 Max | 36 GB | 6 bits Roda bem | 77–137 |
| M4 Pro | 48 GB | 8 bits Roda bem | 38–68 |
| M4 | 32 GB | 4 bits Roda bem | 32–56 |
| M3 Ultra | 96 GB | 8 bits Roda bem | 115–205 |
| M3 Max | 36 GB | 6 bits Roda bem | 56–100 |
| M3 Pro | 36 GB | 6 bits Roda bem | 28–50 |
| M3 | 16 GB | 2 bits Roda bem | 50–89 |
| M2 Ultra | 64 GB | 8 bits Roda bem | 113–200 |
| M2 Max | 32 GB | 4 bits Roda bem | 106–188 |
| M2 Pro | 32 GB | 4 bits Roda bem | 53–94 |
| M2 | 16 GB | 2 bits Roda bem | 50–89 |
| M1 Ultra | 64 GB | 8 bits Roda bem | 113–200 |
| M1 Max | 32 GB | 4 bits Roda bem | 106–188 |
| M1 Pro | 32 GB | 4 bits Roda bem | 53–94 |
| M1 | 16 GB | 2 bits Roda bem | 34–60 |
Como rodar
- O jeito fácil: baixe o MLX Harness, grátis e open source. Procure GLM-4.7 Flash, 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-4.7-Flash-4bitVersão MLX: mlx-community/GLM-4.7-Flash-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-4.7 Flash
| Criado por | Z.ai (Zhipu) |
|---|---|
| Parâmetros | 30B no total · 3B ativos (mixture-of-experts) |
| Contexto | 198K tokens |
| Licença | MIT |
| Lançamento | 2026-01 |
| Entrada | Texto |
| Pesos | zai-org/GLM-4.7-Flash |
Perguntas
- Quanta memória GLM-4.7 Flash precisa?
- Cerca de 16,9 GB de pesos com 4 bits, mais espaço para o contexto: 18,4 GB no total. No Mac, isso significa 32 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-4.7 Flash 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 169–300 tokens por segundo (8 bits). O menor Mac que o roda, com 32 GB, chega a cerca de 106–188 em um M2 Max.
- Por que GLM-4.7 Flash roda mais rápido do que o tamanho sugere?
- É um modelo mixture-of-experts: ele mantém 30B parâmetros na memória, mas lê só 3B a cada token, então escreve na velocidade de um modelo bem menor.
Modelos parecidos
Para o model card ou o README do seu modelo
Mostra o menor Mac que roda bem GLM-4.7 Flash e leva para esta página.
[](https://mlx.app/run/glm-4.7-flash)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.