Modelos abiertos
¿Qué equipo necesito para ejecutar GLM-4.5 en local?
Con 25 usuarios simultáneos, el equipo más pequeño que ejecuta GLM-4.5 es Pro (4 × NVIDIA DGX Spark o 2 × Apple Mac Studio M5 Ultra), en FP8: necesita hasta 411 GB de memoria y el equipo tiene 460 GB útiles. La cuenta parte de sus 358,34B parámetros según Hugging Face y es la misma de la calculadora de VRAM, que puedes abrir con este modelo ya cargado.
Memoria en cada precisión
| Precisión | Pesos | Con caché KV y margen | Equipo más pequeño |
|---|---|---|---|
| FP16 (2 bytes) | 717 GB | 797 a 805 GB | Enterprise |
| FP8 (1 byte) | 358 GB | 403 a 411 GB | Pro |
| NVFP4 (0,5625 bytes) | 202 GB | 230 a 239 GB | Pro |
Usuarios simultáneos en cada equipo
| Equipo | Memoria útil | Techo de usuarios | FP16 | FP8 | NVFP4 |
|---|---|---|---|---|---|
| Starter | 230 GB | 25 | No cabe | No cabe | 5 usuarios: 228 GB (no llega a 25) |
| Pro | 460 GB | 60 | No cabe | 60 usuarios: 428 GB | 60 usuarios: 255 GB |
| Business | 670 GB | 500 | No cabe | 500 usuarios: 660 GB | 500 usuarios: 488 GB |
| Enterprise | 2000 GB | Sin techo | 1000 usuarios: 1319 GB | 1000 usuarios: 925 GB | 1000 usuarios: 752 GB |
Los usuarios son las opciones de la calculadora (5, 25, 60, 200, 500, 1.000) hasta el techo de cada equipo. Enterprise no tiene techo en la cuenta: llega a 1.000, la opción más alta del selector.
La cuenta
En FP8 con 25 usuarios: 358,34B × 1 byte = 358 GB de pesos + 6 a 15 GB de caché KV (3 a 7 conversaciones de 8.192 tokens, con la caché por token del tamaño de referencia de 405B de la calculadora) + 38 GB de margen (2 GB y un 10% de los pesos) = 403 a 411 GB.
Supuestos: entre el 10 y el 25% de los usuarios conectados está generando una respuesta en cada momento (como mínimo, una conversación); cada conversación lleva 8.192 tokens de contexto y la caché KV se guarda en FP8. El margen suma 2 GB y un 10% del peso para el servidor de inferencia.
Los parámetros son el recuento de los archivos safetensors que publica Hugging Face y puede no coincidir con la cifra de la ficha del modelo: algunos repositorios suman módulos de decodificación especulativa.
Datos del modelo
Licencia según Hugging Face: mit. Repositorio creado el 20 de julio de 2025. Datos de la API de Hugging Face del 22 de noviembre de 2026.