GLM — открытые модели Zhipu (Z.ai), сильные в программировании и агентах. GLM-4.7-Flash работает на одной видеокарте, GLM-5.3-Flash (320B) и GLM-5.3 (753B) — на сервере: GLM-5.3 вместе с DeepSeek V4.1 — лучшая открытая модель по индексу Artificial Analysis (октябрь 2026). Ниже — сколько памяти нужно каждой и ссылки на готовые сборки.
Сборка под GLM-4.7-FlashВсе модели
Модели и сборки
| Модель | Главное применение | Нужно на «Экономично» | Сборка |
|---|---|---|---|
| GLM-4.7-Flash | помощник программиста в IDE | 20,7 ГБ | башня · в стойку |
| GLM-5.3-Flash | код и агенты для команды | ОЗУ 248 ГБ + карта 24 ГБ | башня · в стойку |
| GLM-5.3 753B | максимальное качество без облака | ОЗУ 590 ГБ + карта 32 ГБ | башня · в стойку |
Какую взять. GLM-4.7-Flash — быстрый помощник программиста в IDE на одной видеокарте. GLM-5.3-Flash — для команды разработчиков и длинных документов (контекст 1 млн токенов, лицензия MIT). GLM-5.3 — максимальное качество без облака.
Уровни: Экономично — самый доступный вариант, на котором модель работает целиком; Сбалансировано — больше бит и длиннее окно; С запасом — несколько пользователей сразу. Цена в тексте не указана: она меняется каждый день и показывается в конфигураторе по ссылке.
GLM-4.7-Flash 30B-A3B
Быстрая модель Zhipu для программирования и агентов: 31 млрд параметров, на токен — 3 млрд.
Для чего: помощник программиста в IDE, агенты, автоматизация.
- Разработчик: Zhipu (Z.ai), выпуск — январь 2026.
- Параметров: 31 млрд, из них на каждый токен работают 3 млрд («смесь экспертов», MoE).
- Понимает: текст.
- Контекст: до 198 тыс. токенов.
- Лицензия: MIT. Русский язык: хорошо.
- В Ollama:
glm-4.7-flash; веса — на Hugging Face (zai-org/GLM-4.7-Flash).
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| Q4_K_M (4 бита) | 18,3 ГБ | 20,7 ГБ | 23,4 ГБ |
| Q6_K (6 бит) | 24,7 ГБ | 27,3 ГБ | 30 ГБ |
| Q8_0 (8 бит) | 31,8 ГБ | 34,7 ГБ | 37,4 ГБ |
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | 4 бита (Q4_K_M), окно 32 тыс. токенов, 1 пользователь | 20,7 ГБ | 24 ГБ (RTX PRO 4000 и выше) | башня · в стойку |
| Сбалансировано | 8 бит (Q8_0), окно 64 тыс. токенов, 1 пользователь | 35,6 ГБ | 48 ГБ (RTX PRO 5000, RTX 6000 Ada) | башня · в стойку |
| С запасом | 8 бит (Q8_0), 4 пользователя по 32 тыс. токенов (vLLM) | 41,5 ГБ | 48 ГБ (RTX PRO 5000, RTX 6000 Ada) | башня · в стойку |
GLM-5.3-Flash 320B-A18B
Модель Zhipu с лицензией MIT: 320 млрд параметров, на токен — 18 млрд, контекст 1 млн токенов. Сильна в коде и агентах.
Для чего: программирование и агенты для команды, длинные документы.
- Разработчик: Zhipu (Z.ai), выпуск — август 2026.
- Параметров: 320 млрд, из них на каждый токен работают 18 млрд («смесь экспертов», MoE).
- Понимает: текст, картинки.
- Контекст: до 1 млн токенов.
- Лицензия: MIT. Русский язык: хорошо.
- Веса: Hugging Face (
zai-org/GLM-5.3-Flash), файлы GGUF для llama.cpp; в библиотеке Ollama модели нет.
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| UD-Q4_K_XL (4 бита) | 200 ГБ | 208 ГБ | 209 ГБ |
| UD-Q6_K_XL (6 бит) | 292 ГБ | 303 ГБ | 303 ГБ |
| Q8_0 (8 бит) | 341 ГБ | 354 ГБ | 354 ГБ |
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | модель в оперативной памяти сервера (EPYC или Xeon 6, все каналы DDR5) + видеокарта под общие слои и кэш | ОЗУ 248 ГБ + карта 24 ГБ | сервер на EPYC или Xeon 6 + карта от 24 ГБ | башня · в стойку |
| Сбалансировано | 4 бита (UD-Q4_K_XL) целиком в видеопамяти, окно 64 тыс. токенов, 1 пользователь | 208 ГБ | 4 × 96 или 8 × 48 ГБ | в стойку |
| С запасом | 8 бит (Q8_0) целиком в видеопамяти, 4 пользователя по 32 тыс. токенов (vLLM) | 393 ГБ | 8 × 96 ГБ | в стойку |
GLM-5.3 753B
Одна из двух сильнейших открытых моделей по индексу Artificial Analysis (октябрь 2026): 753 млрд параметров. В 4 битах — 516 ГБ.
Для чего: максимальное качество без облака: сложные рассуждения, код, агенты.
- Разработчик: Zhipu (Z.ai), выпуск — август 2026.
- Параметров: 753 млрд, из них на каждый токен работают 40 млрд («смесь экспертов», MoE).
- Понимает: текст.
- Контекст: до 1 млн токенов.
- Лицензия: своя (GLM-5.3). Русский язык: хорошо.
- Веса: Hugging Face (
zai-org/GLM-5.3), файлы GGUF для llama.cpp; в библиотеке Ollama модели нет.
Сколько видеопамяти нужно одному пользователю — веса, кэш контекста в 8 битах и служебная память:
| Сжатие | Файл модели | Видеопамяти с окном 32 тыс. токенов | С окном 128 тыс. |
|---|---|---|---|
| UD-Q4_K_XL (4 бита) | 516 ГБ | 534 ГБ | 538 ГБ |
| Q8_0 (8 бит) | 801 ГБ | 828 ГБ | 832 ГБ |
Файла Q6 для этой модели нет — только 4 и 8 бит.
Готовые сборки. Ссылка откроет конфигуратор со сборкой из деталей в наличии и ценой на сегодня; уровень и корпус там можно поменять.
| Уровень | Что заложено | Нужно | Подойдёт | Готовая сборка |
|---|---|---|---|---|
| Экономично | модель в оперативной памяти сервера (EPYC или Xeon 6, все каналы DDR5) + видеокарта под общие слои и кэш | ОЗУ 590 ГБ + карта 32 ГБ | сервер на EPYC или Xeon 6 + карта от 32 ГБ | башня · в стойку |
| Сбалансировано | 4 бита (UD-Q4_K_XL) целиком в видеопамяти, окно 64 тыс. токенов, 1 пользователь | 535 ГБ | 8 × 96 ГБ | в стойку |
| С запасом | 4 бита (UD-Q4_K_XL) целиком в видеопамяти, 4 пользователя по 32 тыс. токенов (vLLM) | 598 ГБ | 8 × 96 ГБ | в стойку |
Как мы считаем видеопамять
Видеопамять = файл модели + проектор картинок (у моделей, которые видят изображения) + кэш контекста в 8 битах + 1 ГБ служебной памяти + 3 % от весов. Кэш растёт с длиной окна и числом одновременных пользователей; для нескольких пользователей (vLLM) берём ещё 10 % запаса. Расчёт сверен с нашим ИИ-сервером: для Qwen 3.8 27B в Q4 формула даёт 20 ГБ, замер — 17,5 ГБ; для Gemma 4 31B QAT — 22 и 19,2 ГБ, то есть с запасом. Если модель не помещается в видеопамять целиком, часть слоёв уходит в оперативную память и ответ замедляется в разы.
Чем запускать
Ollama и LM Studio — проще всего начать, работают на Windows и Linux. llama.cpp — гибкая работа с файлами GGUF, в том числе модель в оперативной памяти с выносом общих слоёв на видеокарту (--n-cpu-moe). vLLM — для нескольких пользователей сразу и для нескольких видеокарт (тензорный параллелизм, поэтому карт 1, 2, 4 или 8). Для больших моделей в оперативной памяти — также ktransformers.
Частые вопросы
Сколько видеопамяти нужно GLM-4.7-Flash?
В Q4 с окном 32 тыс. токенов — около 21 ГБ, это видеокарта на 24 ГБ. В 8 битах — около 35 ГБ, карта на 48 ГБ.
Какое железо нужно для GLM-5.3-Flash?
Файл в 4 битах — 200 ГБ. Модель в оперативной памяти сервера — около 248 ГБ ОЗУ и видеокарта на 24 ГБ; целиком в видеопамяти — около 208 ГБ, это восемь карт по 48 ГБ.
Какое железо нужно для GLM-5.3?
Файл в 4 битах — 516 ГБ. Модель в оперативной памяти — около 590 ГБ ОЗУ и видеокарта от 32 ГБ; целиком в видеопамяти — около 535 ГБ, восемь карт по 96 ГБ.
Какая лицензия у GLM?
GLM-4.7-Flash и GLM-5.3-Flash — MIT, можно использовать в своих продуктах. У GLM-5.3 — собственная лицензия, её условия стоит прочитать до внедрения.
Сколько стоит сервер для GLM?
Цена зависит от модели, уровня и корпуса и меняется вместе с ценами видеокарт, поэтому в тексте её нет. Нажмите ссылку на сборку — конфигуратор покажет состав и цену на сегодня из деталей в наличии; там же можно сменить уровень, корпус или любую деталь.
Сколько времени занимает сборка и доставка?
Собираем из деталей в наличии и тестируем за 4–5 дней после оплаты. Доставка по России бесплатная — до адреса, со страховкой.
Как оплатить и какая гарантия?
Безналичный расчёт по договору, цены с НДС — работаем с юридическими лицами. Гарантия — 1 год на сервер и комплектующие.
Смотрите также
- Компьютер и сервер для нейросетей — все модели
- Компьютер и сервер для Qwen
- Компьютер и сервер для Gemma 4
- Компьютер и сервер для gpt-oss
- Сервер для DeepSeek V4
- Сервер для GigaChat
- Сервер для Kimi K2.6
- Какая видеокарта нужна для нейросети: таблица по моделям
- Квантование нейросети: Q4, Q6 или Q8 — что выбрать
- Локальная нейросеть: компьютер, рабочая станция или сервер
- Наш ИИ-сервер: RTX 5090 и RTX 5060 Ti, Qwen 3.8 27B и Gemma 4 31B
- Сервер для нейросетей и локальных LLM: какие видеокарты и сколько видеопамяти нужно
- GPU-сервер на 1, 2 или 4 видеокарты
- Профессиональные видеокарты NVIDIA