Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

GLM-4.5V

Z.ai · zai-org/GLM-4.5V

Licença dos pesos: MIT · código e componentes podem ter outros termos

LMArena · visão1.153 ± 12#10 de 22 com pontuação aqui · 2026-10-19
Memória necessária~81 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros107,7 BTotal de safetensors no Hub
Repositório atualizado2025-10-25Um commit não é data de lançamento

Qualidade

Informado pelo publicador

A ficha do publicador não informa resultado de benchmark para este checkpoint (lida em 2026-10-25). não publicado na ficha · lida em 2026-10-25

Qualidade × memória

Sem par qualidade × memória comparável

Este registro não tem nota em um benchmark comparado com memória de planejamento.

Considere para

Z.ai lançou GLM-4.5V em 2025-08-11: um modelo de visão e linguagem que responde sobre imagens, com 107,7B parâmetros pela contagem do Hugging Face e licença MIT. Idiomas declarados pelo publicador: zh, en.

Confira antes

Licença: uso comercial permitido. Em Q4 os pesos somam cerca de 80,8 GB antes da reserva de cada máquina; resolução da imagem, quadros de vídeo e contexto somam memória, e o encoder visual precisa de suporte no runtime escolhido.

Roda em

Cabe na memória rápida 14

A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.

Mostrar todos os 14

Na memória, fora da parte rápida 1

Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.

Falta um degrau de memória 2

As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.

Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Não é compatibilidade nem velocidade medida.

Velocidade medida

Nenhuma medição publicada para este checkpoint

Tokens por segundo só aparecem quando uma fonte os publica com hardware, build e configuração. Nunca são estimados.

Como rodar

Compatibilidade de runtime e tokens por segundo não foram medidos para este registro. Metadados publicados e estimativa de memória não comprovam uma execução local.

Biblioteca na fonte: transformers

Formas documentadas de rodar

Copiado como aparece na fonte vinculada (lida em 2026-10-18); não executado por este site.

Transformers · ficha do modelo · Quick Start with Transformers
from transformers import AutoProcessor, Glm4vMoeForConditionalGeneration
import torch

MODEL_PATH = "zai-org/GLM-4.5V"
messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "url": "https://upload.wikimedia.org/wikipedia/commons/f/fa/Grayscale_8bits_palette_sample_image.png"
            },
            {
                "type": "text",
                "text": "describe this image"
            }
        ],
    }
]
processor = AutoProcessor.from_pretrained(MODEL_PATH)
model = Glm4vMoeForConditionalGeneration.from_pretrained(
    pretrained_model_name_or_path=MODEL_PATH,
    torch_dtype="auto",
    device_map="auto",
)
inputs = processor.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt"
).to(model.device)
inputs.pop("token_type_ids", None)
generated_ids = model.generate(**inputs, max_new_tokens=8192)
output_text = processor.decode(generated_ids[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False)
print(output_text)
vLLM · ficha do modelo · vLLM
vllm serve zai-org/GLM-4.5V \
     --tensor-parallel-size 4 \
     --tool-call-parser glm45 \
     --reasoning-parser glm45 \
     --enable-auto-tool-choice \
     --served-model-name glm-4.5v \
     --allowed-local-media-path / \
     --media-io-kwargs '{"video": {"num_frames": -1}}'
SGLang · ficha do modelo · SGLang
python3 -m sglang.launch_server --model-path zai-org/GLM-4.5V \
     --tp-size 4 \
     --tool-call-parser glm45 \
     --reasoning-parser glm45 \
     --served-model-name glm-4.5v \
     --port 8000 \
     --host 0.0.0.0

Escolher meu computador

Detalhes técnicos

O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.

Checkpoint / fonte
zai-org/GLM-4.5V
Tarefa
image-text-to-text
Arquitetura
Glm4vMoeForConditionalGeneration
Biblioteca na fonte
transformers
Licença dos pesos
MITzai-org/GLM-4.5V model card (Hugging Face) · consultado em 2026-10-18fonte
Uso comercial
Permitido MIT license text (SPDX) · consultado em 2026-10-18texto da licença
Idiomas
zh, enMetadados do model card · consultado em 2026-10-25fonte
Lançamento
GLM-4.5V model card news: "2025/08/11: We released GLM-4.5V" (Hugging Face) · consultado em 2026-10-18fonte
Todos os campos guardados13 campos
Revisão conferida
ed47433b37111465ec527affaaddceff371bca04
Arquitetura
Glm4vMoeForConditionalGeneration
Biblioteca
transformers
Tag de tarefa no Hub
image-text-to-text
Modelos base declarados
zai-org/GLM-4.5-Air-Base
Formatos
transformers, safetensors
Acesso
Download aberto
Tipo de publicador
Oficial
Parâmetros no Hub
107.710.933.120safetensors.total
Repositório criado
2025-08-10criação não é o lançamento do modelo
Repositório atualizado
2025-10-25um commit não é data de lançamento
Downloads no Hub (30 dias) · curtidas
24.483 · 726só este repositório · lido em 2026-10-25
Estado no catálogo
Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário

Fontes

Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.

Fatos curados verificados: 2026-10-18. A licença e a data de lançamento citam as fontes do publicador; parâmetros, arquivos e tarefa vêm do registro do Hugging Face, e a memória é uma estimativa rotulada a partir da contagem de parâmetros. Um valor que nenhuma fonte informa fica vazio; um commit do repositório não é a data de lançamento do modelo.