GLM-5.3 Flash
GLM-5.3 Flash braucht mit der Variante Q8_0 rund 381,4 GB Speicher und läuft auf 2 von 527 geführten Geräten flüssig.
Mit dem wenigsten Speicher schafft es: Apple Mac Studio (2026), M5 Ultra mit 80-Kern-GPU, 512 GB.
Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten Messungen abgeglichen, aber nicht auf diesem Gerät gemessen.
- Anbieter
- Z.ai
- Parameter
- 320,8 Mrd., davon 10,3 Mrd. aktiv
- Längster Kontext
- 1.048.576 Token
- Lizenz
- mit
Kein einzelnes Gerät reicht, mehrere zusammen schon
GLM-5.3 Flash braucht in der Variante Q8_0 rund 382,2 GB nutzbaren Speicher. Von 527 geführten Geräten bringen das nur 2 allein auf, und es sind die größten. Mehrere gleiche, kleinere Geräte lassen sich zu einem Verbund zusammenschalten und teilen sich das Modell; dann zählt ihr Speicher zusammen.
- 2 × Apple Mac Studio (2026), M5 Ultra mit 64-Kern-GPU, 256 GBzusammen 384,0 GB nutzbar (je Gerät 192,0 GB)
- 2 × Apple Mac Studio (2026), M5 Ultra mit 80-Kern-GPU, 256 GBzusammen 384,0 GB nutzbar (je Gerät 192,0 GB)
- 2 × Apple Mac Studio (2025), M3 Ultra mit 60-Kern-GPU, 256 GBzusammen 384,0 GB nutzbar (je Gerät 192,0 GB)
Womit das geht
Verbünde baut man mit einer Software, die das Modell über mehrere Rechner verteilt. Verbreitet sind exo (verbindet die Geräte selbständig, unterstützt RDMA über Thunderbolt 5) und der RPC-Server von llama.cpp. Die Geräte werden über Netzwerk oder Thunderbolt verbunden; je schneller die Verbindung, desto weniger kostet die Aufteilung.
Für vertrauliche Daten wichtig
Der RPC-Server von llama.cpp ist ausdrücklich als Vorstufe gekennzeichnet: „currently in a proof-of-concept development stage … fragile and insecure. Never run the RPC server on an open network or in a sensitive environment!“ Wer geschäftliche Unterlagen verarbeitet, sollte das vorher klären; wir beraten dazu.
Was wir hier nicht sagen
Wie schnell ein Verbund antwortet, rechnen wir nicht aus. Die Aufteilung kostet Zeit, und wir haben dafür keine eigenen oder belegten Messungen. Die Angabe oben ist reine Speicherrechnung: sie sagt, dass das Modell hineinpasst, nicht wie flüssig es läuft.
Geräte, auf denen es flüssig läuft
Alle Tempowerte sind berechnet und an veröffentlichten Messungen abgeglichen, nicht auf dem Gerät gemessen. Mit * markierte Werte sind nicht abgeglichen und deshalb unsicher.
| Gerät | Urteil | Tempo | Speicher |
|---|---|---|---|
| Apple Mac Studio (2026), M5 Ultra mit 80-Kern-GPU, 512 GB | Läuft gut | 16 bis 23 Token/s | 512 GB davon 384,0 GB nutzbar |
| Apple Mac Studio (2025), M3 Ultra mit 80-Kern-GPU, 512 GB | Läuft gut | 11 bis 17 Token/s | 512 GB davon 384,0 GB nutzbar |
Grafikkarten, in die es ganz passt
Keines.
Alle Geräte und Grafikkarten für GLM-5.3 Flash
Varianten
| Variante | Datei | Speicherbedarf | Startbefehl |
|---|---|---|---|
| Q8_0 | 341,0 GB | 381,4 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |
| BF16 | 641,6 GB | 688,1 GB | In mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar. |