Bộ nhớ ở từng mức chính xác
| Phiên bản | Trọng số | Kèm ngữ cảnh | Mac nhỏ nhất |
|---|---|---|---|
| 8-bit | 31,9 GB | 34,5 GB | 48 GB |
| 6-bit | 24,4 GB | 26,4 GB | 36 GB |
| 4-bit | 16,9 GB | 18,4 GB | 32 GB |
| 3-bit chất lượng thấp hơn | 13,1 GB | 14,6 GB | 24 GB |
| 2-bit chất lượng thấp hơn | 9,4 GB | 10,9 GB | 16 GB |
Trên mọi chip Apple
Dung lượng bộ nhớ nhỏ nhất của mỗi chip chạy được GLM-4.7 Flash, phiên bản tốt nhất vừa với nó, và tốc độ viết bạn có thể kỳ vọng.
| Chip | Cần | Phiên bản | Token/giây |
|---|---|---|---|
| M6 | 32 GB | 4-bit Chạy tốt | 45–80 |
| M5 Ultra | 96 GB | 8-bit Chạy tốt | 169–300 |
| M5 Max | 36 GB | 6-bit Chạy tốt | 86–153 |
| M5 Pro | 48 GB | 8-bit Chạy tốt | 43–77 |
| M5 | 32 GB | 4-bit Chạy tốt | 41–72 |
| M4 Max | 36 GB | 6-bit Chạy tốt | 77–137 |
| M4 Pro | 48 GB | 8-bit Chạy tốt | 38–68 |
| M4 | 32 GB | 4-bit Chạy tốt | 32–56 |
| M3 Ultra | 96 GB | 8-bit Chạy tốt | 115–205 |
| M3 Max | 36 GB | 6-bit Chạy tốt | 56–100 |
| M3 Pro | 36 GB | 6-bit Chạy tốt | 28–50 |
| M3 | 16 GB | 2-bit Chạy tốt | 50–89 |
| M2 Ultra | 64 GB | 8-bit Chạy tốt | 113–200 |
| M2 Max | 32 GB | 4-bit Chạy tốt | 106–188 |
| M2 Pro | 32 GB | 4-bit Chạy tốt | 53–94 |
| M2 | 16 GB | 2-bit Chạy tốt | 50–89 |
| M1 Ultra | 64 GB | 8-bit Chạy tốt | 113–200 |
| M1 Max | 32 GB | 4-bit Chạy tốt | 106–188 |
| M1 Pro | 32 GB | 4-bit Chạy tốt | 53–94 |
| M1 | 16 GB | 2-bit Chạy tốt | 34–60 |
Cách chạy
- Cách dễ nhất: tải MLX Harness, miễn phí và mã nguồn mở. Tìm GLM-4.7 Flash, tải phiên bản vừa với Mac của bạn và bắt đầu trò chuyện. Ứng dụng cũng cung cấp mô hình cho các ứng dụng khác qua API tương thích OpenAI.Tải MLX HarnessMiễn phí · Apple Silicon · macOS 14.5 trở lên
- Trong Terminal với MLX của Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/GLM-4.7-Flash-4bitBản dựng: mlx-community/GLM-4.7-Flash-4bit trên Hugging Face. Các mức chính xác khác nằm ngay cạnh.
Từng bước: tải và chạy LLM trên Mac · cách dùng MLX Harness · MLX vs Ollama vs llama.cpp
Về GLM-4.7 Flash
| Nhà phát triển | Z.ai (Zhipu) |
|---|---|
| Tham số | Tổng 30B · 3B hoạt động (mixture-of-experts) |
| Ngữ cảnh | 198K token |
| Giấy phép | MIT |
| Phát hành | 2026-01 |
| Đầu vào | Văn bản |
| Trọng số | zai-org/GLM-4.7-Flash |
Câu hỏi
- GLM-4.7 Flash cần bao nhiêu bộ nhớ?
- Khoảng 16,9 GB cho trọng số ở mức 4-bit, cộng thêm chỗ cho ngữ cảnh: tổng cộng 18,4 GB. Trên Mac, điều đó có nghĩa là cần từ 32 GB bộ nhớ hợp nhất trở lên, vì mặc định macOS cho GPU dùng khoảng 75% bộ nhớ.
- GLM-4.7 Flash chạy nhanh đến đâu trên Mac?
- Tốc độ viết phụ thuộc vào băng thông bộ nhớ. Mac nhanh nhất cho mô hình này ở đây là M5 Ultra với 96 GB, khoảng 169–300 token mỗi giây (8-bit). Mac nhỏ nhất chạy được nó, M2 Max với 32 GB, đạt khoảng 106–188.
- Vì sao GLM-4.7 Flash chạy nhanh hơn kích thước của nó?
- Đây là mô hình mixture-of-experts: nó giữ 30B tham số trong bộ nhớ nhưng mỗi token chỉ đọc 3B, nên viết nhanh như một mô hình nhỏ hơn nhiều.
Mô hình tương tự
Cho thẻ mô hình hoặc README của bạn
Hiển thị chiếc Mac nhỏ nhất chạy tốt GLM-4.7 Flash và liên kết tới trang này.
[](https://mlx.app/run/glm-4.7-flash)Cách tính
Bộ nhớ: số tham số của mô hình ở 8, 6, 4, 3 hoặc 2 bit mỗi trọng số cộng với hệ số tỷ lệ theo nhóm của MLX (nửa bit mỗi trọng số), hoặc theo định dạng gốc, rồi thêm chỗ cho ngữ cảnh. Mặc định macOS cho GPU dùng khoảng 75% bộ nhớ hợp nhất. Tốc độ: băng thông bộ nhớ chia cho số byte đọc mỗi token là mức trần cho một cuộc trò chuyện; trong benchmark Apple Silicon công khai của llama.cpp, thực tế đạt khoảng 45% đến 80% mức đó, và đó là khoảng được hiển thị. Đây là ước tính, không phải số đo: hãy đo chính Mac của bạn trên MLX Bench. Số liệu mô hình lấy từ thẻ mô hình chính thức, số liệu chip từ Thông số kỹ thuật của Apple. Kiểm tra ngày 2026-10-19. Cùng dữ liệu với mlx.app/compare.