01Cosa sa fare
- MoE 320B/18B attivi: flagship multimodale
- Licenza MIT permissiva
- Contesto nativo da 128k
- Chat multimodale / codice / visione
- —Di classe server multi-GPU (~186 GB di VRAM in Q4)
- —Pesi ad accesso vincolato su Hugging Face (accettazione richiesta)
- —Velocità moderata vista la dimensione totale
04Installare
Installa Ollama per il tuo OS. Verifica il modello e la sua quantizzazione prima del download. Inizia con 4096 token di contesto, poi controlla l'allocazione con ollama ps. Un comando qui sotto non dimostra che sia stato eseguito un test sulla tua macchina.
02Memoria richiesta
VRAM GPU approssimativa per far girare questo modello, overhead del contesto di 4k token incluso. Per un contesto più lungo, aggiungi ~1 GB per ogni blocco di 8k token.
Quale hardware serve per GLM 5.3 Flash 320B-A18B?
Per eseguire GLM 5.3 Flash 320B-A18B in locale con quantizzazione Q4, servono circa 186 GB di VRAM. Un’opzione da confrontare: GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) — questo modello supera la capacità GPU di questo mini-PC: scegli un modello più piccolo o un'infrastruttura adeguata.
Perché questa scelta? La nostra scheda completa su GMKtec EVO-X2 64 GB / 1 TB (Ryzen AI Max+ 395) →
Link affiliati — possibile commissione senza costi aggiuntivi per te, raccomandazione indipendente. In qualità di Partner Amazon, QuelLLM ottiene un guadagno dagli acquisti che soddisfano i requisiti.
03Velocità prevista
Token generati al secondo in Q4_K_M, contesto 4k. Oltre 20 t/s, la lettura è confortevole. Al di sotto di 10 t/s, va bene solo per fare delle prove.