FreeLLMAlle Modelle › zai
Arena-Wertung1333Platz 223 von 416 im Chat, kostenpflichtige Modelle eingeschlossen
Größe107.7 B14.3 B aktiv pro Token (Mixture of Experts)
4-Bit-Download65 GBnur Gewichte, Q4_K_M
Max. Kontext64KTokens, laut Modellkonfiguration
Wo du es kostenlos nutzen kannst
- Der eigene Chat des Labors: chat.z.ai (kostenlos mit Tageslimits)
- Lade es herunter und führe es zu Hause aus: offizielle Gewichte · GGUF-Dateien für Ollama und LM Studio
Arena-Wertungen
Rang unter allen Modellen, auch den kostenpflichtigen. Quelle: Arena-Leaderboard-Datensatz.
Geschwindigkeit auf gängiger Hardware
| Hardware | GPU-Speicher | Passt es? | Geschwindigkeit |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Passt nicht | — |
| RTX 4060 Ti 16 GB | 16 GB | Passt nicht | — |
| RTX 3090 | 24 GB | GPU + 64 GB RAM | 10 tok/s |
| RTX 4090 | 24 GB | GPU + 64 GB RAM | 10 tok/s |
| RTX 5090 | 32 GB | GPU + 64 GB RAM | 13 tok/s |
| RX 7900 XTX | 24 GB | GPU + 64 GB RAM | 10 tok/s |
| 2 × RTX 3090 | 48 GB | GPU + 64 GB RAM | 16 tok/s |
| 4 × RTX 3090 | 96 GB | Passt in die GPU | 40 tok/s |
| Mac M4 Max 128 GB | 96 GB | Passt in die GPU | 24 tok/s |
| Ryzen AI Max+ 395 128 GB | 96 GB | Passt in die GPU | 13 tok/s |
| 8 × H100 SXM | 640 GB | Passt in die GPU | 97 tok/s |
Schätzung bei 4-Bit mit 32K Kontext, 64 GB DDR5 zum Auslagern. Geschwindigkeit ≈ Speicherbandbreite × 78 % ÷ pro Token gelesene Daten, plus feste Kosten pro Token, kalibriert an 44 echten llama.cpp-Tests; typische Abweichung etwa ±10 %. Alle Grafikkarten vergleichen.
Benötigter GPU-Speicher
| Stufe | 8K Kontext | 32K Kontext | Qualität im Vergleich zum Original |
|---|---|---|---|
| Q3_K_M | 56 GB | 61 GB | +4.7 % spürbarer Verlust |
| Q4_K_M | 67 GB | 72 GB | +1.2 % sehr kleiner Verlust |
| Q5_K_M | 79 GB | 83 GB | +0.4 % nahezu verlustfrei |
| Q6_K | 90 GB | 95 GB | +0.2 % nahezu verlustfrei |
| Q8_0 | 117 GB | 121 GB | ≈ 0 % wie das Original |
| F16 | 218 GB | 222 GB | ≈ 0 % wie das Original |
Gewichte + Kontext-Cache (aus der Architektur des Modells) + Laufzeit. Qualität: Anstieg von perplexity gegenüber dem vollen Modell, aus llama.cpp-Tests, skaliert nach Modellgröße. Simuliere dein eigenes Setup.
Chat-Wertung im Zeitverlauf
130014001500
MaiJunJulAugSeptOkt
GLM-4.5V 1333Bestes kostenpflichtiges Modell
Arena-Wertung vom 17. Apr. 2026 bis 15. Okt. 2026.
Ähnliche kostenlose Modelle im Chat
- gemma-3-12b-it 1334
- ring-flash-2.0 1334
- deepseek-v3 1332
- command-a-03-2025 1331
- qwq-32b 1329
- nvidia-nemotron-3.5-lightning-30b-a3b-nvfp4 1329
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden