/ Модель

Характеристики

Лицензия
MIT
Базовая модель
GLM-4.6V-Flash
Библиотека
gguf
Опубликована
10 июн 2026

GLM-4.6V-Flash-MXFP4-GGUF

Изображение и текст → текст9 профессий

Квантованная мультимодальная модель Z.ai для диалога по изображениям, понимания документов и визуальных интерфейсов при локальном запуске.

91скачиваний за 30 дней2лайкавеса обновлены10 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GLM-4.6V-Flash-MXFP4-GGUF — квантованная до 4-битного формата MXFP4 мультимодальная модель Z.ai (Zhipu AI), основанная на zai-org/GLM-4.6V-Flash. Модель объединяет языковую часть на 9 млрд параметров с визуальным энкодером ViT и принимает текстовые запросы вместе с изображениями, чтобы вести диалог и описывать визуальное содержимое.

Модель рассчитана на понимание изображений, документов и визуальных интерфейсов. Контекст составляет 128 тысяч токенов; режим рассуждений включён по умолчанию и может быть отключён параметром `enable_thinking=false`. Для работы с изображениями требуются основной файл GGUF и отдельный файл проектора mmproj в формате F16. Лицензия — MIT.

Квантование уменьшает размер языковой части до 4,82 ГБ, однако MXFP4 нативно поддерживается видеокартами NVIDIA Blackwell (RTX 50); на других GPU и CPU выполняется программная деквантизация, которая может быть медленнее. Для запуска подходит совместимое ПО, например llama.cpp или LM Studio.

Сценарии применения

  • описание содержимого изображения по запросу
  • ответы на вопросы по изображению или скриншоту
  • извлечение и понимание информации в документах
  • анализ элементов интерфейса по скриншоту
  • локальный мультимодальный чат с изображениями

Ограничения

Для обработки изображений необходим отдельный файл проектора mmproj. Нативные инструкции MXFP4 доступны на NVIDIA Blackwell; на других GPU и CPU используется программная деквантизация, которая может снизить скорость.

Для каких профессий подходит9

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GLM-4.6V-Flash MXFP4 GGUF

Quantized GGUF version of zai-org/GLM-4.6V-Flash by Z.ai (Zhipu AI), converted to MXFP4 (4-bit Microscaling FP4) format.

Model Details

  • Base model: zai-org/GLM-4.6V-Flash — 9B parameter vision-language model by Z.ai with 40 transformer layers, 4096 hidden dim, 32 attention heads (8 KV heads), SwiGLU activation. Paper: 2507.01006.
  • Vision encoder: 24-layer ViT (1536 hidden dim, 1536/4096 attention dim, 13696 intermediate FFN)
  • Context length: 128K tokens
  • Quantization: MXFP4 — OCP Microscaling FP4 format (E2M1 data values with E8M0 per-block scales, 4.41 BPW, 4.82 GB)
  • Thinking: Enabled by default (native <think>/</think> tokens, opt-out via enable_thinking=false)

Files

FileSizeDescription
glm-4.6v-flash-mxfp4.gguf4.82 GBQuantized text model (523 tensors, 4.41 BPW)
mmproj-glm-4.6v-flash-f16.gguf1.66 GBVision encoder projector (182 tensors, F16)

Usage

LM Studio

Load both files — the text GGUF as the main model and the mmproj as the vision encoder. Supports multimodal inputs (images + text).

llama.cpp

./llama-llava-cli \
  -m glm-4.6v-flash-mxfp4.gguf \
  --mmproj mmproj-glm-4.6v-flash-f16.gguf \
  -p "Describe this image in detail." \
  --image path/to/image.jpg

Python (llama-cpp-python)

from llama_cpp import Llama

llm = Llama(
    model_path="glm-4.6v-flash-mxfp4.gguf",
    mmproj="mmproj-glm-4.6v-flash-f16.gguf",
    n_ctx=32768
)

output = llm.create_chat_completion(
    messages=[{
        "role": "user",
        "content": [
            {"type": "image_url", "image_url": {"url": "image.jpg"}},
            {"type": "text", "text": "What's in this image?"}
        ]
    }]
)
print(output["choices"][0]["message"]["content"])

Quantization Details

  • Source: zai-org/GLM-4.6V-Flash → F16 GGUF → llama-quantize.exe MXFP4
  • Block size: 32 elements; E8M0 shared scale (1 scale per 32-element block)
  • Output tensor: Q6_K (higher precision for the final projection)
  • Format: OCP MXFP4 specification (E2M1 data values, E8M0 per-block scaling)
  • Architecture: glm4 with 523 tensors (40 transformer layers, vision embedder)

Hardware Compatibility

  • MXFP4 is supported on NVIDIA Blackwell (RTX 50 series) via native FP4 MMA instructions
  • Falls back to software dequantization on other GPU architectures and CPU
  • Cross-vendor compatible format per OCP Microscaling specification

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · gguf

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов
6791033

0 моделей