/ Модель

Характеристики

Контекст
131 072 токена
Параметры
8,7 млрд
Архитектура
glm4_moe · dense
Базовая модель
GLM-4.5-Air
Библиотека
transformers
Опубликована
30 июл 2025

GLM-4.5-Air-AWQ-FP16Mix

Генерация текстаТекст → текст15 профессий

GLM-4.5-Air-AWQ-FP16Mix — квантизированная версия модели GLM-4.5-Air, разработанной командой Z.ai и опубликованной QuantTrio.

3 224скачиваний за 30 дней14лайковвеса обновлены5 сен 2025

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Модель предназначена для генерации текста, сложного рассуждения, кодирования, использования инструментов и агентских сценариев. Она поддерживает гибридные режимы: thinking mode для многошагового рассуждения и работы с инструментами и non-thinking mode для быстрых ответов.

Модель построена на архитектуре MoE и содержит 106 млрд параметров, из которых 12 млрд активируются при обработке запроса. Данная версия использует смешанную квантизацию AWQ и FP16Mix, занимает около 69 ГБ и рассчитана на запуск через vLLM. В README приведена конфигурация с контекстом до 32 768 токенов и использованием экспертного параллелизма на нескольких GPU. Языки и мультимодальные возможности явно не указаны; по описанию это текстовая модель.

Сильными сторонами являются сочетание рассуждения, генерации кода и агентских возможностей при меньшем числе активных параметров, чем у полной GLM-4.5, а также экономия памяти благодаря квантизации. Ограничения связаны с требованиями к инфраструктуре: для корректной загрузки необходимо включить expert parallelism, использовать vLLM версии 0.10.0 и применить временный патч для поддержки смешанной квантизации MoE. В README указана лицензия MIT для моделей GLM-4.5 и GLM-4.5-Air, допускающая коммерческое использование и вторичную разработку.

Для каких профессий подходит15

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-4.5-Air-AWQ-FP16Mix

Base model: zai-org/GLM-4.5-Air

【vLLM Single Node with 8 GPUs Startup Command】

Note: You must use --enable-expert-parallel to start this model, otherwise the expert tensor TP will not divide evenly. This is required even for 2 GPUs.

CONTEXT_LENGTH=32768

vllm serve \
    QuantTrio/GLM-4.5-Air-AWQ-FP16Mix \
    --served-model-name GLM-4.5-Air-AWQ-FP16Mix \
    --enable-expert-parallel \
    --swap-space 16 \
    --max-num-seqs 512 \
    --max-model-len $CONTEXT_LENGTH \
    --max-seq-len-to-capture $CONTEXT_LENGTH \
    --gpu-memory-utilization 0.9 \
    --tensor-parallel-size 8 \
    --trust-remote-code \
    --disable-log-requests \
    --host 0.0.0.0 \
    --port 8000

【Dependencies】

vllm==0.10.0

【❗❗Temporary Patch for vllm==0.10.0❗❗】

The awq_marlin module in vllm misses checking the modules_to_not_convert parameter when loading AWQ-MoE modules, which causes mixed quantization of MoE to fail or report errors.
Refer to: [Issue #21888]

Before the PR is merged, temporarily replace awq_marlin.py in vllm/model_executor/layers/quantization/awq_marlin.py.

【Model Update Date】

2025-07-30
1. Initial commit

【Model Files】

File SizeLast Updated
69GB2025-07-30

【Model Download】

from huggingface_hub import snapshot_download
snapshot_download('QuantTrio/GLM-4.5-Air-AWQ-FP16Mix', cache_dir="your_local_path")

【Overview】

GLM-4.5

Model Introduction

The GLM-4.5 model series is a foundation model designed for agents. GLM-4.5 has 355 billion total parameters, of which 32 billion are active. GLM-4.5-Air adopts a more compact design with 106 billion total parameters and 12 billion active parameters. The GLM-4.5 models unify reasoning, encoding, and agent capabilities to meet the complex demands of agent applications.

Both GLM-4.5 and GLM-4.5-Air are hybrid reasoning models that offer two modes: a thinking mode for complex reasoning and tool use, and a non-thinking mode for instant responses.

We have open-sourced the base models, hybrid reasoning models, and FP8 versions of GLM-4.5 and GLM-4.5-Air. They are released under the MIT license and can be used for commercial purposes and secondary development.

In our comprehensive evaluation across 12 industry-standard benchmarks, GLM-4.5 achieved an excellent score of 63.2, ranking 3rd among all proprietary and open-source models. Notably, GLM-4.5-Air maintained strong efficiency while achieving a competitive score of 59.8.

bench

For more detailed evaluation results, demo cases, and technical information, please visit our technical blog. The full technical report will be released soon.

Model code, tool parsers, and inference parsers can be found in the following implementations:

Quick Start

Please refer to our GitHub project.

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4MoeForCausalLM
Ревизия весов
90a53fb

0 моделей