/ Модель

Характеристики

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

GLM-4.6V-Flash-NVFP4-GGUF

Изображение и текст → текст13 профессий

Квантованная в NVFP4 мультимодальная модель Z.ai для локального диалога и анализа изображений с текстовыми ответами.

114скачиваний за 30 дней0лайковвеса 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 NVFP4 GGUF — квантованная мультимодальная модель Z.ai (Zhipu AI), подготовленная в формате GGUF на основе zai-org/GLM-4.6V-Flash. Она сочетает языковую часть на 9 млрд параметров с 40 слоями трансформера и 24-слойным визуальным ViT-энкодером. Контекст составляет 128K токенов; модель принимает изображения и текст и формирует текстовые ответы, включая описание изображений и разбор документов.

Модель подходит для диалогов по изображениям, визуального анализа документов и локального мультимодального ассистента. Веса языковой части представлены в NVFP4, а проектор визуального энкодера — в F16; для полной работы с изображениями нужны оба файла. Нативное вычисление FP4 рассчитано на видеокарты NVIDIA Blackwell, на более старом оборудовании и CPU возможен более медленный программный fallback.

Репозиторий указывает лицензию MIT. Квантование снижает требования к памяти, но может повлиять на точность по сравнению с исходными весами.

Сценарии применения

  • ответы на вопросы по содержимому изображения
  • подробное описание фотографий и иллюстраций
  • извлечение и анализ информации из документов
  • локальный мультимодальный чат-ассистент

Ограничения

Для работы с изображениями требуется загрузить проектор mmproj вместе с основным файлом GGUF. Нативное ускорение NVFP4 требует NVIDIA Blackwell; на старых видеокартах и CPU инференс может быть существенно медленнее, а квантование способно снизить точность.

Для каких профессий подходит13

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 NVFP4 GGUF

Quantized GGUF version of zai-org/GLM-4.6V-Flash by Z.ai (Zhipu AI), converted to NVFP4 (4-bit NVIDIA 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: NVFP4 — NVIDIA 4-bit FP4 format with Per-Group UE4M3 scales (4.64 BPW, 5.08 GB)
  • Thinking: Enabled by default (native <think>/</think> tokens, opt-out via enable_thinking=false)

Files

FileSizeDescription
glm-4.6v-flash-nvfp4.gguf5.08 GBQuantized text model (523 tensors, 4.64 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-nvfp4.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-nvfp4.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 NVFP4
  • Block size: 64 elements; Per-Group UE4M3 scales (4 scales per block)
  • Output tensor: Q6_K (higher precision for the final projection)
  • Architecture: glm4 with 523 tensors (40 transformer layers, vision embedder)

Hardware Compatibility

  • Requires NVIDIA Blackwell (RTX 50 series) for native FP4 compute via CUDA Blackwall
  • Falls back to FP4 dequantization on older GPUs (slower but functional)
  • CPU inference supported via software dequant (significantly slower)

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
6efe53a

0 моделей