GLM 5.2 量化版在 M3 Ultra 上本地跑到 16 tokens/秒
antirez · x · 2026-07-05
Ivan Fioravanti 分享视频演示,智谱 GLM 5.2 的 4bit 量化版本可在单台配备 512GB 内存的苹果 M3 Ultra 上以约 16 tokens/秒的速度本地运行,同时 ds4-eval 的视频在 q2 量化版本上运行。该演示被 Redis 作者 antirez 转发,展示了在大内存 Mac 上本地跑大模型的实际性能表现。
所属事件:GLM-5.2量化版在M3 Ultra本地推理达16 tok/s(2 条相关)→
「Infra」频道最新
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Supabase 联创谈 AI 时代后端：为十亿个 AI 生成应用而设计 — Latent Space · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- 全美市议会话题追踪网站：数据中心热度仅次于匹克球场 — zakkohane · 2026-10-27