FreeLLMTodos os modelos › zai
Onde usar de graça
- Chat do próprio laboratório: chat.z.ai (grátis com limites diários)
- Baixe e rode em casa: pesos oficiais · arquivos GGUF para Ollama e LM Studio
Pontuações Arena
| Arena | Pontuação | Posição | Votos |
|---|---|---|---|
| Chat | 1471 | #27 de 416 | 23K |
| Programação | 1621 | #25 de 148 | 10K |
| Agentes | 1.3 pontuação de agentes | #26 de 53 | 87K sessões |
Posição entre todos os modelos, inclusive os pagos. Fonte: conjunto de dados do ranking da Arena. A pontuação de agentes usa outra escala (×100, a partir de sessões reais de agentes) e não pode ser comparada com as demais pontuações.
Velocidade em hardware popular
| Hardware | Memória da GPU | Cabe? | Velocidade |
|---|---|---|---|
| RTX 3060 12 GB | 12 GB | Não cabe | — |
| RTX 4060 Ti 16 GB | 16 GB | Não cabe | — |
| RTX 3090 | 24 GB | Não cabe | — |
| RTX 4090 | 24 GB | Não cabe | — |
| RTX 5090 | 32 GB | Não cabe | — |
| RX 7900 XTX | 24 GB | Não cabe | — |
| 2 × RTX 3090 | 48 GB | Não cabe | — |
| 4 × RTX 3090 | 96 GB | Não cabe | — |
| Mac M4 Max 128 GB | 96 GB | Não cabe | — |
| Ryzen AI Max+ 395 128 GB | 96 GB | Não cabe | — |
| 8 × H100 SXM | 640 GB | Cabe na GPU | 52 tok/s |
Estimativa com 4 bits e contexto de 32K, com 64 GB de DDR5 para offload. Velocidade ≈ largura de banda da memória × 78% ÷ dados lidos por token, mais um custo fixo por token, calibrada em 44 testes reais com llama.cpp; erro típico de cerca de ±10%. Compare todas as GPUs.
Memória de GPU necessária
| Nível | Contexto de 8K | Contexto de 32K | Contexto de 128K | Qualidade vs. completo |
|---|---|---|---|---|
| Q3_K_M | 378 GB | 380 GB | 389 GB | +4.7% perda perceptível |
| Q4_K_M | 458 GB | 460 GB | 469 GB | +1.2% perda muito pequena |
| Q5_K_M | 537 GB | 539 GB | 548 GB | +0.4% quase sem perda |
| Q6_K | 619 GB | 621 GB | 630 GB | +0.2% quase sem perda |
| Q8_0 | 802 GB | 804 GB | 813 GB | ≈ 0% igual ao completo |
| F16 | 1508 GB | 1510 GB | 1519 GB | ≈ 0% igual ao completo |
Pesos + cache de contexto (a partir da arquitetura do modelo) + runtime. Qualidade: aumento em perplexity em relação ao modelo completo, com base em testes com llama.cpp, ajustado pelo tamanho do modelo. Simule a sua configuração.
Pontuação de chat ao longo do tempo
Pontuação Arena de 17 abr. 2026 a 15 out. 2026.
Pontuação de programação ao longo do tempo
Pontuação Arena de 20 abr. 2026 a 19 out. 2026.
Pontuação de agentes ao longo do tempo
Pontuação Arena de 4 jun. 2026 a 19 out. 2026.
Modelos grátis parecidos em Chat
- GLM-5.3-Flash 1471 · 321.3 B
- GLM-5.2 (Max) 1470 · 753.3 B
- Kimi K3 (Max) 1475 · 2779.9 B
- MiMo-V2.5-Pro 1465 · 1023.2 B
- deepseek-v4.1-flash-max 1463 · 763.2 B
- GLM-5.1 1462 · 753.9 B
Comparar GLM-5.3 (Max) com
Compartilhe esta página:XLinkedInRedditWhatsApp
Viu um número errado ou um link quebrado? Informe um erro