GLM-5: تایبەتمەندی، پێداویستییەکانی GPU، میوانداری و جێبەجێکردن

تەلارسازی، بەهێزییەکان و بەکارهێنان

GLM-5 is an official self-hostable Z.ai release in the GLM General track. It uses GlmMoeDsaForCausalLM, carries 744B / 40B MoE, supports a verified context window of 202,752 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-5 uses GlmMoeDsaForCausalLM with 744B / 40B MoE. The stored architecture profile records 78 layers, hidden width 6144, 64 attention heads and a 202,752 تۆکن context ceiling where the official configuration publishes those fields.

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 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.

مۆڵەت و بڕیارەکانی میوانداری لەسەر خۆت

The full 744B 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-5 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-5.3, GLM-5.2, GLM-5.1

ڕێڕەوی کاتیی وەشان

پرسیارە باوەکان

سەرچاوە فەرمییەکان

• huggingface.co

دوا جار پشتڕاستکراوەتەوە: 2026-09-03