GLM-4.6V — lokalny model AI od Zhipu AI (Z.ai)
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Linia wizyjno-językowa Z.ai. Wariant Flash to odmiana 9B nastawiona na wydajność, dzieląca multimodalne możliwości GLM-4.6V przy ułamku mocy obliczeniowej i na tyle mała, by zmieścić się na karcie 8 GB.
Warianty
Najmniejszy wariant GLM-4.6V potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| GLM-4.6V-Flash 9B → 9B | ~6.2 GB | 65,536 | ollama run glm-4-6v |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić GLM-4.6V lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama run glm-4-6vWybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: GLM-4.6V-Flash 9BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi GLM-4.6V lokalnie (min. 6 GB VRAM), to Intel Arc B570 (10 GB).
GLM-4.6V — najczęściej zadawane pytania
How much VRAM does GLM-4.6V need?
GLM-4.6V needs about 6 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: GLM-4.6V-Flash 9B (6 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run GLM-4.6V on an RTX 4090 (24 GB)?
Yes — GLM-4.6V runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for GLM-4.6V?
Q4_K_M is the best balance of quality and VRAM for GLM-4.6V in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run GLM-4.6V with Ollama?
GLM-4.6V has no local Ollama tag — the published tag is cloud-hosted, so running it sends your prompts to a hosted GPU rather than your own machine.