GLM-6 — lokalny model AI od Zhipu AI (Z.ai)

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

ZAPOWIEDŹ (czerwiec 2026, specyfikacja niezweryfikowana). Szósta generacja modeli Zhipu AI (Z.ai) — flagowy MoE klasy frontier plus gęsty model w skali konsumenckiej, na licencji MIT, ukierunkowane na zastosowania agentowe i długi kontekst. Liczby przeniesione z linii GLM-5; zweryfikuj je na stronie organizacji na Hugging Face.

Hugging Face Z.AI

Warianty

Najmniejszy wariant GLM-6 potrzebuje około 6 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
GLM-6 9B
9B
~6.2 GB
GLM-6 355B-A32B
355B (32B active)
~215.1 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić GLM-6 lokalnie

Zainstaluj Ollama, a potem pobierz tag.

ollama run glm-6

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

MITUżycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Dotyczy: GLM-6 9B, GLM-6 355B-A32B

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi GLM-6 lokalnie (min. 6 GB VRAM), to Intel Arc B570 (10 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
Intel Arc B570 10GB
10 GB VRAM · 150 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

GLM-6 — najczęściej zadawane pytania

How much VRAM does GLM-6 need?

GLM-6 needs about 6 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: GLM-6 9B (6 GB, Q4_K_M); GLM-6 355B-A32B (215 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run GLM-6 on an RTX 4090 (24 GB)?

Yes — GLM-6 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-6?

Q4_K_M is the best balance of quality and VRAM for GLM-6 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-6 with Ollama?

GLM-6 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.