Quanta memória GLM-5.3 Flash precisa?

Cerca de 180 GB de pesos com 4 bits, mais espaço para o contexto: 194 GB no total. No Mac, isso significa 512 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-5.3 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 512 GB, a cerca de 28–50 tokens por segundo (8 bits). O menor Mac que o roda, com 512 GB, chega a cerca de 28–50 em um M5 Ultra.

Por que GLM-5.3 Flash roda mais rápido do que o tamanho sugere?

É um modelo mixture-of-experts: ele mantém 320B parâmetros na memória, mas lê só 18B a cada token, então escreve na velocidade de um modelo bem menor.

Um Mac roda GLM-5.3 Flash? Memória e velocidade

Memória em cada precisão

Versão	Pesos	Com contexto	Menor Mac
8 bits	340 GB	367 GB	512 GB
6 bits	260 GB	281 GB	512 GB
4 bits	180 GB	194 GB	512 GB
3 bits qualidade menor	140 GB	151 GB	256 GB
2 bits qualidade menor	100 GB	108 GB	192 GB

Em cada chip da Apple

O menor tamanho de memória de cada chip que roda GLM-5.3 Flash, 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	512 GB	8 bits Roda bem	28–50
M5 Max	128 GB	2 bits No limite	49–88
M5 Pro	nenhum tamanho serve	Grande demais	–
M5	nenhum tamanho serve	Grande demais	–
M4 Max	128 GB	2 bits No limite	44–78
M4 Pro	nenhum tamanho serve	Grande demais	–
M4	nenhum tamanho serve	Grande demais	–
M3 Ultra	512 GB	8 bits Roda bem	19–34
M3 Max	128 GB	2 bits No limite	32–57
M3 Pro	nenhum tamanho serve	Grande demais	–
M3	nenhum tamanho serve	Grande demais	–
M2 Ultra	192 GB	2 bits Roda bem	64–114
M2 Max	nenhum tamanho serve	Grande demais	–
M2 Pro	nenhum tamanho serve	Grande demais	–
M2	nenhum tamanho serve	Grande demais	–
M1 Ultra	128 GB	2 bits No limite	64–114
M1 Max	nenhum tamanho serve	Grande demais	–
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-5.3 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-5.3-Flash-4bitVersão MLX: mlx-community/GLM-5.3-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-5.3 Flash

Criado por	Z.ai (Zhipu)
Parâmetros	320B no total · 18B ativos (mixture-of-experts)
Contexto	1M tokens
Licença	MIT
Lançamento	2026-08
Entrada	Texto e imagens
Inteligência	41,8 no Artificial Analysis Intelligence Index
Pesos	zai-org/GLM-5.3-Flash

Perguntas

Quanta memória GLM-5.3 Flash precisa?: Cerca de 180 GB de pesos com 4 bits, mais espaço para o contexto: 194 GB no total. No Mac, isso significa 512 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-5.3 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 512 GB, a cerca de 28–50 tokens por segundo (8 bits). O menor Mac que o roda, com 512 GB, chega a cerca de 28–50 em um M5 Ultra.
Por que GLM-5.3 Flash roda mais rápido do que o tamanho sugere?: É um modelo mixture-of-experts: ele mantém 320B parâmetros na memória, mas lê só 18B 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-5.3 Flash e leva para esta página.

[![Runs on a Mac](https://mlx.app/badge/run/glm-5.3-flash.svg)](https://mlx.app/run/glm-5.3-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.