Память при каждой точности
| Версия | Веса | С контекстом | Минимальный Mac |
|---|---|---|---|
| 8 бит | 31,9 ГБ | 34,5 ГБ | 48 ГБ |
| 6 бит | 24,4 ГБ | 26,4 ГБ | 36 ГБ |
| 4 бит | 16,9 ГБ | 18,4 ГБ | 32 ГБ |
| 3 бит ниже качество | 13,1 ГБ | 14,6 ГБ | 24 ГБ |
| 2 бит ниже качество | 9,4 ГБ | 10,9 ГБ | 16 ГБ |
На каждом чипе Apple
Минимальный объем памяти каждого чипа, на котором запускается GLM-4.7 Flash, лучшая версия, которая помещается, и ожидаемая скорость генерации.
| Чип | Нужно | Версия | Токенов/с |
|---|---|---|---|
| M6 | 32 ГБ | 4 бит Работает хорошо | 45–80 |
| M5 Ultra | 96 ГБ | 8 бит Работает хорошо | 169–300 |
| M5 Max | 36 ГБ | 6 бит Работает хорошо | 86–153 |
| M5 Pro | 48 ГБ | 8 бит Работает хорошо | 43–77 |
| M5 | 32 ГБ | 4 бит Работает хорошо | 41–72 |
| M4 Max | 36 ГБ | 6 бит Работает хорошо | 77–137 |
| M4 Pro | 48 ГБ | 8 бит Работает хорошо | 38–68 |
| M4 | 32 ГБ | 4 бит Работает хорошо | 32–56 |
| M3 Ultra | 96 ГБ | 8 бит Работает хорошо | 115–205 |
| M3 Max | 36 ГБ | 6 бит Работает хорошо | 56–100 |
| M3 Pro | 36 ГБ | 6 бит Работает хорошо | 28–50 |
| M3 | 16 ГБ | 2 бит Работает хорошо | 50–89 |
| M2 Ultra | 64 ГБ | 8 бит Работает хорошо | 113–200 |
| M2 Max | 32 ГБ | 4 бит Работает хорошо | 106–188 |
| M2 Pro | 32 ГБ | 4 бит Работает хорошо | 53–94 |
| M2 | 16 ГБ | 2 бит Работает хорошо | 50–89 |
| M1 Ultra | 64 ГБ | 8 бит Работает хорошо | 113–200 |
| M1 Max | 32 ГБ | 4 бит Работает хорошо | 106–188 |
| M1 Pro | 32 ГБ | 4 бит Работает хорошо | 53–94 |
| M1 | 16 ГБ | 2 бит Работает хорошо | 34–60 |
Как запустить
- Самый простой способ: скачайте MLX Harness — бесплатно и с открытым кодом. Найдите GLM-4.7 Flash, скачайте версию, которая подходит вашему Mac, и общайтесь. Приложение также отдает модель другим вашим программам через API, совместимый с OpenAI.Скачать MLX HarnessБесплатно · Apple Silicon · macOS 14.5 или новее
- В Терминале с MLX от Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/GLM-4.7-Flash-4bitСборка: mlx-community/GLM-4.7-Flash-4bit на Hugging Face. Рядом лежат версии с другой точностью.
Пошагово: скачать и запустить LLM на Mac · как пользоваться MLX Harness · MLX, Ollama и llama.cpp
О модели GLM-4.7 Flash
| Разработчик | Z.ai (Zhipu) |
|---|---|
| Параметры | 30B всего · 3B активных (mixture of experts) |
| Контекст | токенов: 198K |
| Лицензия | MIT |
| Выпуск | 2026-01 |
| Ввод | Текст |
| Веса | zai-org/GLM-4.7-Flash |
Вопросы
- Сколько памяти нужно модели GLM-4.7 Flash?
- Около 16,9 ГБ на веса (4 бит) плюс место для контекста: всего 18,4 ГБ. На Mac это значит 32 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.
- Насколько быстро GLM-4.7 Flash работает на Mac?
- Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 96 ГБ: около 169–300 токенов в секунду (8 бит). Минимальный Mac, который ее запускает, — M2 Max с 32 ГБ — выдает около 106–188.
- Почему GLM-4.7 Flash работает быстрее, чем можно ожидать по размеру?
- Это модель mixture-of-experts: она держит в памяти 30B параметров, но на каждый токен читает только 3B, поэтому пишет со скоростью гораздо меньшей модели.
Похожие модели
Для карточки модели или README
Показывает минимальный Mac, на котором GLM-4.7 Flash хорошо работает, и ведет сюда.
[](https://mlx.app/run/glm-4.7-flash)Как это рассчитано
Память: параметры модели при 8, 6, 4, 3 или 2 битах на вес плюс групповые масштабы MLX (полбита на вес) или ее нативный формат, а сверху — место для контекста. По умолчанию macOS отдает GPU около 75% объединенной памяти. Скорость: пропускная способность памяти, деленная на число байтов, читаемых на каждый токен, — это потолок для одного диалога; в публичных тестах llama.cpp на Apple Silicon реальные запуски достигают примерно 45–80% от него, и показан именно этот диапазон. Это оценки, а не измерения: измерьте свой Mac в MLX Bench. Данные моделей — из официальных карточек моделей, данные чипов — из технических характеристик Apple. Проверено 2026-10-19. Те же данные, что и на mlx.app/compare.