GLM-4.6V-Flash
فەرمی · BF16 · safetensors
ژینگەی کارپێکردن پشتڕاستکراوەتەوە: SGLang Transformers vLLM
| وردی / کوانتایزکردن | فۆرمات | بیت | متمانە بە بڵاوکەرەوە | دۆخی جێبەجێکردن |
|---|---|---|---|---|
| BF16 | safetensors | 16 | فەرمی | ژینگەی کارپێکردن پشتڕاستکراوەتەوە |
GLM · بینین · GLM-4.6V
GLM-4.6V Flash: تایبەتمەندی، پێداویستییەکانی GPU، میوانداری و جێبەجێکردن
GLM-4.6V Flash is a current Vision release in the GLM family, certified from its immutable official source revision.
کۆی پارامەتەرەکان١٠٫٣B
پارامەتەرە چالاکەکانمۆدێلی چڕ
پەنجەرەی کۆنتێکست١٣١٬٠٧٢ tokens
دۆخی بڵاوکردنەوەئێستا · ئێستا
تەلارسازیGlm4vForConditionalGeneration
شێوازەکانچەندڕەنگە
مۆڵەتmit
دۆخی جێبەجێکردنبە ڕێکخستنی پشتڕاستکراو جێبەجێ دەکرێت
دۆخی بازرگانیبەکارهێنانی بازرگانی ڕێگەپێدراوە
بەرواری بڵاوکردنەوە2025-12-07
تەلارسازی، بەهێزییەکان و بەکارهێنان
GLM-4.6V Flash is an official self-hostable Z.ai release in the GLM Vision track. It uses Glm4vForConditionalGeneration, carries 10.29B, supports a verified context window of 131,072 تۆکنەکان, and exposes only source-certified خاڵەکانی وەشان and ژینگەی جێبەجێکردن combinations. Its release, license and deployment facts are tied to the official repository revision rather than inferred from the family name.
GLM-4.6V Flash uses Glm4vForConditionalGeneration with 10.29B. The stored architecture profile records 40 layers, hidden width 4096, 32 attention heads and a 131,072 تۆکن context ceiling where the official configuration publishes those fields.
Verified Glm4vForConditionalGeneration architecture
131,072 تۆکن certified context
Official BF16 خاڵی وەشان coverage
Private LLM inference
Agentic workflows
Long-context document processing
خاڵەکانی پشکنین و کوانتایزکردنی پشتڕاستکراو
تەنها ئەو جۆرە وردانە پیشان دەدرێن کە سەرچاوە پشتڕاستی کردوونەوە و بەو وەشانەوە بەستراونەتەوە.
سەختەواڵەی پێشنیارکراو
Use only the listed transformers, vllm, sglang ژینگەی جێبەجێکردن configuration with the exact خاڵی وەشان precision. The recommendation engine checks weight memory, کاشی KV, ژینگەی جێبەجێکردن overhead, safety توانای زیادەی بەردەست, GPU architecture and topology before ranking rentable and reference hardware.
بیرگەی خەمڵێنراوی کێش19.74 GB
کاشی KV0.31 GB
پێداویستییە زیادەکانی ژینگەی کارپێکردن8.33 GB
کۆی گشتی لەگەڵ پاشەکەوتی ئاسایش35.2 GB
باشترین بەهای پێشنیارکراو
1× NVIDIA H200 SXM 141GB
141 GB کۆی VRAM · nvswitch
105.8 GB بۆشایی پاشەکەوت · توانای سنووردار
USD ٢٬٣٤٥ / مانگهەرزانترین هەڵبژاردەی کارا
2× NVIDIA L4 24GB
48 GB کۆی VRAM · pcie
12.8 GB بۆشایی پاشەکەوت · بەردەستە
USD ٥٠٠ / مانگبەرزترین کارایی
1× NVIDIA H200 SXM 141GB
141 GB کۆی VRAM · nvswitch
105.8 GB بۆشایی پاشەکەوت · توانای سنووردار
USD ٢٬٣٤٥ / مانگمۆڵەت و بڕیارەکانی میوانداری لەسەر خۆت
The full 10.29B resident weight set must fit across the selected GPUs. Context and concurrency add KV-cache memory; MoE active parameters do not replace resident-weight memory.
GLM-4.6V Flash is published under mit. The release-scoped official license link and verification date are retained with the catalogue record.
بەکارهێنانی بازرگانی ڕێگەپێدراوە. مۆڵەتی فەرمی بەکارهێنانی بازرگانی ڕێگەپێدەدات؛ پابەندییەکانی هێشتا جێبەجێ دەبن.
جێگرەوەکان و جۆرە هاوتەمەنەکان
GLM-4.6V, GLM-4.5V
ڕێڕەوی کاتیی وەشان
zai/glm/glm-4-6v-flash
وردەکاریی سەرچاوە
وەشانی سەرچاوە: 01889dafc2091bf309d7e0a6671c37c0cfe0602819c9dd67c4a2ceac055056e6
پرسیارە باوەکان
How much VRAM does GLM-4.6V Flash require?
The exact estimate depends on خاڵی وەشان precision, context and concurrency; the page recommendation uses the certified memory engine and compatible ژینگەی جێبەجێکردن configurations.
Which ژینگەکانی جێبەجێکردن پشتگیری GLM-4.6V Flash?
Certified upstream ژینگەی جێبەجێکردن evidence is available for transformers, vllm, sglang.
Can GLM-4.6V Flash be used commercially?
The stored commercial classification is Commercial Use Allowed. Consult the official mit terms for the final obligations.
سەرچاوە فەرمییەکان
دوا جار پشتڕاستکراوەتەوە: 2026-09-03