01Lo que sabe hacer
- MoE 320B/18B activos: modelo multimodal de referencia
- Licencia MIT permisiva
- Contexto nativo de 128k
- Chat multimodal / código / visión
- —Clase de servidor multi-GPU (~186 GB VRAM Q4)
- —Pesos con acceso restringido en Hugging Face (se requiere aceptación)
- —Velocidad moderada debido al tamaño total
04Instalar
Instala Ollama para tu SO. Verifica el modelo y su cuantización antes de la descarga. Comienza con 4096 tokens de contexto y luego controla la asignación con ollama ps. Un comando a continuación no es prueba de que se haya ejecutado una prueba en tu máquina.
02Memoria requerida
VRAM de GPU aproximada para ejecutar este modelo, incluido el sobrecoste de contexto de 4k tokens. Para un contexto más largo, añade ~1 GB por cada tramo de 8k tokens.
¿Qué hardware necesitas para GLM 5.3 Flash 320B-A18B?
Para ejecutar GLM 5.3 Flash 320B-A18B en local con cuantización Q4, necesitas aproximadamente 186 GB de VRAM. Una opción para comparar: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — este modelo supera la capacidad de la GPU de este mini-PC: elige un modelo más pequeño o una infraestructura adecuada.
Enlaces de afiliados — posible comisión sin coste adicional para ti, recomendación independiente. Como socio de Amazon, QuelLLM obtiene un beneficio de las compras que cumplen las condiciones requeridas.
03Velocidad estimada
Tokens generados por segundo en Q4_K_M, contexto 4k. Por encima de 20 t/s, la lectura es cómoda. Por debajo de 10 t/s, es solo para probar.