Сколько памяти нужно модели GLM-5.3 Flash?

Около 180 ГБ на веса (4 бит) плюс место для контекста: всего 194 ГБ. На Mac это значит 512 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.

Насколько быстро GLM-5.3 Flash работает на Mac?

Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 512 ГБ: около 28–50 токенов в секунду (8 бит). Минимальный Mac, который ее запускает, — M5 Ultra с 512 ГБ — выдает около 28–50.

Почему GLM-5.3 Flash работает быстрее, чем можно ожидать по размеру?

Это модель mixture-of-experts: она держит в памяти 320B параметров, но на каждый токен читает только 18B, поэтому пишет со скоростью гораздо меньшей модели.

Запустится ли GLM-5.3 Flash на Mac? Память, скорость

Память при каждой точности

Версия	Веса	С контекстом	Минимальный Mac
8 бит	340 ГБ	367 ГБ	512 ГБ
6 бит	260 ГБ	281 ГБ	512 ГБ
4 бит	180 ГБ	194 ГБ	512 ГБ
3 бит ниже качество	140 ГБ	151 ГБ	256 ГБ
2 бит ниже качество	100 ГБ	108 ГБ	192 ГБ

На каждом чипе Apple

Минимальный объем памяти каждого чипа, на котором запускается GLM-5.3 Flash, лучшая версия, которая помещается, и ожидаемая скорость генерации.

Чип	Нужно	Версия	Токенов/с
M6	ни один объем не подходит	Слишком большая	–
M5 Ultra	512 ГБ	8 бит Работает хорошо	28–50
M5 Max	128 ГБ	2 бит Еле помещается	49–88
M5 Pro	ни один объем не подходит	Слишком большая	–
M5	ни один объем не подходит	Слишком большая	–
M4 Max	128 ГБ	2 бит Еле помещается	44–78
M4 Pro	ни один объем не подходит	Слишком большая	–
M4	ни один объем не подходит	Слишком большая	–
M3 Ultra	512 ГБ	8 бит Работает хорошо	19–34
M3 Max	128 ГБ	2 бит Еле помещается	32–57
M3 Pro	ни один объем не подходит	Слишком большая	–
M3	ни один объем не подходит	Слишком большая	–
M2 Ultra	192 ГБ	2 бит Работает хорошо	64–114
M2 Max	ни один объем не подходит	Слишком большая	–
M2 Pro	ни один объем не подходит	Слишком большая	–
M2	ни один объем не подходит	Слишком большая	–
M1 Ultra	128 ГБ	2 бит Еле помещается	64–114
M1 Max	ни один объем не подходит	Слишком большая	–
M1 Pro	ни один объем не подходит	Слишком большая	–
M1	ни один объем не подходит	Слишком большая	–

Как запустить

Самый простой способ: скачайте MLX Harness — бесплатно и с открытым кодом. Найдите GLM-5.3 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-5.3-Flash-4bitСборка: mlx-community/GLM-5.3-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-5.3 Flash

Разработчик	Z.ai (Zhipu)
Параметры	320B всего · 18B активных (mixture of experts)
Контекст	токенов: 1M
Лицензия	MIT
Выпуск	2026-08
Ввод	Текст и изображения
Интеллект	41,8 в Artificial Analysis Intelligence Index
Веса	zai-org/GLM-5.3-Flash

Вопросы

Сколько памяти нужно модели GLM-5.3 Flash?: Около 180 ГБ на веса (4 бит) плюс место для контекста: всего 194 ГБ. На Mac это значит 512 ГБ объединенной памяти или больше, ведь по умолчанию macOS отдает GPU около 75% памяти.
Насколько быстро GLM-5.3 Flash работает на Mac?: Скорость генерации зависит от пропускной способности памяти. Самый быстрый Mac для нее здесь — M5 Ultra с 512 ГБ: около 28–50 токенов в секунду (8 бит). Минимальный Mac, который ее запускает, — M5 Ultra с 512 ГБ — выдает около 28–50.
Почему GLM-5.3 Flash работает быстрее, чем можно ожидать по размеру?: Это модель mixture-of-experts: она держит в памяти 320B параметров, но на каждый токен читает только 18B, поэтому пишет со скоростью гораздо меньшей модели.

Для карточки модели или README

Показывает минимальный Mac, на котором GLM-5.3 Flash хорошо работает, и ведет сюда.

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