GLM-4.6: VRAM- und Speicherbedarf

Konkrete Checkpoints mit belegter Struktur und ausgewählten Gewichtungsdateien. GGUF Q4_K_M (Unsloth): 203,78 GiB–208,37 GiB bei 8.192 Tokens, 1 Sequenz, FP16-KV, llama.cpp.

Das Ergebnis ist eine Schätzung, keine Messung.Nicht geprüftDateigestützte Gewichte

Herausgeber und Herkunft

AnbieterZhipu AI
Hugging Facezai-org/GLM-4.6
Revisionbe72194883d968d7923a07e2f61681ea9a2826d1
Parameter gesamt356.785.898.816
Aktive ParameterUnbekannt / nicht unabhängig belegt
Schichten92
Query-Köpfe96
KV-Köpfe8 (gqa)
Kopfdimension128
Dokumentierte Kontextfähigkeit202.752
Vollständigkeitcomplete · full

Die Zahl aktiver Parameter ist unbekannt oder nicht unabhängig belegt. Aktive Parameter beschreiben geroutete Rechenlast, nicht den vollständigen residenten Gewichtsumfang.

Speicherschichten in dieser Schätzung

Datei-Bytes, rohes KV, Engine-Zusätze und Gesamtbedarf stehen getrennt. Das ist keine Laufzeitspur.

Weight artifact: 200,78 GiB (215.582.633.056 bytes)
Raw KV cache: 2,88 GiB (3.087.007.744 bytes)
Engine extras / workspace: 0,13 GiB–4,72 GiB
Total estimated demand: 203,78 GiB–208,37 GiB

Gewählte Dateien

Quantisierung	Gewählte Dateien	Bytes	Laufzeit	Beleg
BF16 safetensors bf16 Rechner: BF16 safetensors	93 Safetensors-Shards Ausgewählte Bytes gesamt: 352.797.829.024 (328,57 GiB / 352,80 GB) Erster Shard: model-00001-of-00092.safetensors Letzter Shard: mtp.safetensors Alle 93 Shard-Dateien anzeigen `model-00001-of-00092.safetensors` `model-00002-of-00092.safetensors` `model-00003-of-00092.safetensors` `model-00004-of-00092.safetensors` `model-00005-of-00092.safetensors` `model-00006-of-00092.safetensors` `model-00007-of-00092.safetensors` `model-00008-of-00092.safetensors` `model-00009-of-00092.safetensors` `model-00010-of-00092.safetensors` `model-00011-of-00092.safetensors` `model-00012-of-00092.safetensors` `model-00013-of-00092.safetensors` `model-00014-of-00092.safetensors` `model-00015-of-00092.safetensors` `model-00016-of-00092.safetensors` `model-00017-of-00092.safetensors` `model-00018-of-00092.safetensors` `model-00019-of-00092.safetensors` `model-00020-of-00092.safetensors` `model-00021-of-00092.safetensors` `model-00022-of-00092.safetensors` `model-00023-of-00092.safetensors` `model-00024-of-00092.safetensors` `model-00025-of-00092.safetensors` `model-00026-of-00092.safetensors` `model-00027-of-00092.safetensors` `model-00028-of-00092.safetensors` `model-00029-of-00092.safetensors` `model-00030-of-00092.safetensors` `model-00031-of-00092.safetensors` `model-00032-of-00092.safetensors` `model-00033-of-00092.safetensors` `model-00034-of-00092.safetensors` `model-00035-of-00092.safetensors` `model-00036-of-00092.safetensors` `model-00037-of-00092.safetensors` `model-00038-of-00092.safetensors` `model-00039-of-00092.safetensors` `model-00040-of-00092.safetensors` `model-00041-of-00092.safetensors` `model-00042-of-00092.safetensors` `model-00043-of-00092.safetensors` `model-00044-of-00092.safetensors` `model-00045-of-00092.safetensors` `model-00046-of-00092.safetensors` `model-00047-of-00092.safetensors` `model-00048-of-00092.safetensors` `model-00049-of-00092.safetensors` `model-00050-of-00092.safetensors` `model-00051-of-00092.safetensors` `model-00052-of-00092.safetensors` `model-00053-of-00092.safetensors` `model-00054-of-00092.safetensors` `model-00055-of-00092.safetensors` `model-00056-of-00092.safetensors` `model-00057-of-00092.safetensors` `model-00058-of-00092.safetensors` `model-00059-of-00092.safetensors` `model-00060-of-00092.safetensors` `model-00061-of-00092.safetensors` `model-00062-of-00092.safetensors` `model-00063-of-00092.safetensors` `model-00064-of-00092.safetensors` `model-00065-of-00092.safetensors` `model-00066-of-00092.safetensors` `model-00067-of-00092.safetensors` `model-00068-of-00092.safetensors` `model-00069-of-00092.safetensors` `model-00070-of-00092.safetensors` `model-00071-of-00092.safetensors` `model-00072-of-00092.safetensors` `model-00073-of-00092.safetensors` `model-00074-of-00092.safetensors` `model-00075-of-00092.safetensors` `model-00076-of-00092.safetensors` `model-00077-of-00092.safetensors` `model-00078-of-00092.safetensors` `model-00079-of-00092.safetensors` `model-00080-of-00092.safetensors` `model-00081-of-00092.safetensors` `model-00082-of-00092.safetensors` `model-00083-of-00092.safetensors` `model-00084-of-00092.safetensors` `model-00085-of-00092.safetensors` `model-00086-of-00092.safetensors` `model-00087-of-00092.safetensors` `model-00088-of-00092.safetensors` `model-00089-of-00092.safetensors` `model-00090-of-00092.safetensors` `model-00091-of-00092.safetensors` `model-00092-of-00092.safetensors` `mtp.safetensors`	352.797.829.024 (328,57 GiB / 352,80 GB)	`vllm, sglang, unspecified`	`file-metadata`
GGUF Q4_K_M (Unsloth) gguf-q4_k_m Rechner: GGUF Q4_K_M (Unsloth)	5 Safetensors-Shards Ausgewählte Bytes gesamt: 215.582.633.056 (200,78 GiB / 215,58 GB) Erster Shard: Q4_K_M/GLM-4.6-Q4_K_M-00001-of-00005.gguf Letzter Shard: Q4_K_M/GLM-4.6-Q4_K_M-00005-of-00005.gguf Alle 5 Shard-Dateien anzeigen `Q4_K_M/GLM-4.6-Q4_K_M-00001-of-00005.gguf` `Q4_K_M/GLM-4.6-Q4_K_M-00002-of-00005.gguf` `Q4_K_M/GLM-4.6-Q4_K_M-00003-of-00005.gguf` `Q4_K_M/GLM-4.6-Q4_K_M-00004-of-00005.gguf` `Q4_K_M/GLM-4.6-Q4_K_M-00005-of-00005.gguf`	215.582.633.056 (200,78 GiB / 215,58 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q5_K_M (Unsloth) gguf-q5_k_m Rechner: GGUF Q5_K_M (Unsloth)	6 Safetensors-Shards Ausgewählte Bytes gesamt: 253.179.899.136 (235,79 GiB / 253,18 GB) Erster Shard: Q5_K_M/GLM-4.6-Q5_K_M-00001-of-00006.gguf Letzter Shard: Q5_K_M/GLM-4.6-Q5_K_M-00006-of-00006.gguf Alle 6 Shard-Dateien anzeigen `Q5_K_M/GLM-4.6-Q5_K_M-00001-of-00006.gguf` `Q5_K_M/GLM-4.6-Q5_K_M-00002-of-00006.gguf` `Q5_K_M/GLM-4.6-Q5_K_M-00003-of-00006.gguf` `Q5_K_M/GLM-4.6-Q5_K_M-00004-of-00006.gguf` `Q5_K_M/GLM-4.6-Q5_K_M-00005-of-00006.gguf` `Q5_K_M/GLM-4.6-Q5_K_M-00006-of-00006.gguf`	253.179.899.136 (235,79 GiB / 253,18 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q6_K (Unsloth) gguf-q6_k Rechner: GGUF Q6_K (Unsloth)	6 Safetensors-Shards Ausgewählte Bytes gesamt: 293.098.654.944 (272,97 GiB / 293,10 GB) Erster Shard: Q6_K/GLM-4.6-Q6_K-00001-of-00006.gguf Letzter Shard: Q6_K/GLM-4.6-Q6_K-00006-of-00006.gguf Alle 6 Shard-Dateien anzeigen `Q6_K/GLM-4.6-Q6_K-00001-of-00006.gguf` `Q6_K/GLM-4.6-Q6_K-00002-of-00006.gguf` `Q6_K/GLM-4.6-Q6_K-00003-of-00006.gguf` `Q6_K/GLM-4.6-Q6_K-00004-of-00006.gguf` `Q6_K/GLM-4.6-Q6_K-00005-of-00006.gguf` `Q6_K/GLM-4.6-Q6_K-00006-of-00006.gguf`	293.098.654.944 (272,97 GiB / 293,10 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
GGUF Q8_0 (Unsloth) gguf-q8_0 Rechner: GGUF Q8_0 (Unsloth)	8 Safetensors-Shards Ausgewählte Bytes gesamt: 379.317.898.752 (353,27 GiB / 379,32 GB) Erster Shard: Q8_0/GLM-4.6-Q8_0-00001-of-00008.gguf Letzter Shard: Q8_0/GLM-4.6-Q8_0-00008-of-00008.gguf Alle 8 Shard-Dateien anzeigen `Q8_0/GLM-4.6-Q8_0-00001-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00002-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00003-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00004-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00005-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00006-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00007-of-00008.gguf` `Q8_0/GLM-4.6-Q8_0-00008-of-00008.gguf`	379.317.898.752 (353,27 GiB / 379,32 GB)	`llama.cpp, ollama, unspecified`	`file-metadata`
INT4 theoretical	Keine veröffentlichte Datei	178.392.949.408 (Theoretische Zeilen sind keine herunterladbaren Artefakte.)	—	theoretical

Speicher nach Quantisierung und Kontext

Gleichzeitige Sequenzen = 1. KV ist standardmäßig FP16. Die Spanne enthält dokumentierte Laufzeit-Zusätze der genannten Engine. Die Zahlen nutzen denselben Kern wie der interaktive Rechner.

Quantisierung	2.048 tokens	8.192 tokens	32.768 tokens
BF16 safetensors	329,91 GiB–331,81 GiB	332,07 GiB–334,03 GiB	340,69 GiB–342,91 GiB
GGUF Q4_K_M (Unsloth)	201,62 GiB–206,03 GiB	203,78 GiB–208,37 GiB	212,40 GiB–217,60 GiB
GGUF Q5_K_M (Unsloth)	236,64 GiB–241,74 GiB	238,79 GiB–244,08 GiB	247,42 GiB–253,31 GiB
GGUF Q6_K (Unsloth)	273,81 GiB–279,66 GiB	275,97 GiB–282,01 GiB	284,59 GiB–291,23 GiB
GGUF Q8_0 (Unsloth)	354,11 GiB–361,57 GiB	356,27 GiB–363,91 GiB	364,89 GiB–373,14 GiB
INT4 theoretical Theoretische Zeilen sind keine herunterladbaren Artefakte.	166,99 GiB–215,41 GiB	169,14 GiB–218,10 GiB	177,77 GiB–228,72 GiB

KV-Cache (Rohdaten)

Rohes GQA/MHA-KV ist 2 × Schichten × kvHeads × headDim × Tokens × Sequenzen × Bytes je Element. Diese Seite nutzt KV-Heads (8), nicht Query-Heads (96).

8,192 tokens, 1 sequence, FP16: 3.087.007.744 bytes (2,8750 GiB)
32,768 tokens: 12.348.030.976 bytes (11,5000 GiB)

Rechner mit diesem Modell öffnen

Quellen

GLM-4.6 model card
config.json — revision be72194883d968d7923a07e2f61681ea9a2826d1
safetensors index — metadata.total_size=352797829024
Artifact repo unsloth/GLM-4.6-GGUF

Annahmen, die das Ergebnis beeinflussen

Der Kontext liegt im dokumentierten nativen Fenster von 202752 Tokens.
Die vollständige Residenzschätzung nutzt die Gesamtparameter, inklusive inaktiver MoE-Experten.
Die Zahl aktiver Parameter ist unbekannt oder nicht unabhängig belegt. Aktive Parameter beschreiben geroutete Rechenlast, nicht den vollständigen residenten Gewichtsumfang.
Gewichtbytes kommen nur von den gewählten Dateien, nicht von allen Quantisierungen im Repository.
Die Downloadgröße ist nicht der GPU-Spitzenspeicher. Layout, Allocator und KV kommen extra.
Berücksichtigte Dateien: Q4_K_M/GLM-4.6-Q4_K_M-00001-of-00005.gguf, Q4_K_M/GLM-4.6-Q4_K_M-00002-of-00005.gguf, Q4_K_M/GLM-4.6-Q4_K_M-00003-of-00005.gguf, Q4_K_M/GLM-4.6-Q4_K_M-00004-of-00005.gguf, Q4_K_M/GLM-4.6-Q4_K_M-00005-of-00005.gguf.
MTP-/Draft-Gewichte existieren und zählen nur wenn aktiviert.
Das Kontextbudget ist die Zahl gecachter Tokens je Sequenz (Prompt plus reservierte Generierung).

Rechner

Katalog-Snapshot wird geladen…

Zuerst ein Modell wählen, danach das Gerät prüfen.

Modell

Historische Modelle anzeigen

Quantisierung

Gerätetyp

Hardware

Last

Die Kontextlänge betrifft vor allem den KV-Cache.

Erweiterte Einstellungen

Laufzeit

Engine und KV-Cache-Typ für diese Schätzung.

LaufzeitKV-Cache-TypRecurrent-/Conv-State-Datentyp Theoretische Schätzungen einbeziehen (Experte) Ersatz erlauben, wenn der Filter nichts trifft

Arbeitslast

Overhead-Szenario und der Prefill-Arbeitsspeicher.

Szenario für Laufzeitoverhead Größeren Prefill-Arbeitsspeicher einbeziehen

Topologie

Wie das Modell auf Geräte verteilt wird. Speicher wird nicht addiert.

VerteilungSplit in der ReplikaAnzahl Geräte

Replikatzahl ist eine erweiterte Option. Anzahl meint Knoten oder GPUs, nicht Replikate.

ReplikagruppenGeräte je Replika

Budget

Systemreserve und Sicherheitsmarge. Ein leeres Feld behält den vorherigen Wert.

Reserve für System / Anzeige

GiB (2^30 Byte)

Budget enthält die Systemreserve bereits nicht mehrZusätzliche Sicherheitsmarge

Effektive Bits je Parameter (eigene Angabe)Anzeigeeinheit

Eigenes Modell

Konfiguration importieren oder die Architektur eintragen. Vor dem Import wird nichts gescannt.

Lokale config.json laden

Die Datei wird nur im Browser gelesen und nicht hochgeladen.

Öffentliches Hugging-Face-RepoRevision

Nur huggingface.co, nur config.json, kein Token. Private Repos werden abgelehnt.

Parameter gesamtAktive ParameterSchichtenQuery-KöpfeKV-KöpfeKopfdimension

Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.

Suchen oder ein Katalogmodell wählen, um den VRAM-Bedarf zu sehen.