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
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11