/ Модель

Характеристики

Контекст
131 072 токена
Параметры
8,5 млрд
Размер весов
110 ГБ
Лицензия
MIT
Архитектура
glm4_moe · dense
Библиотека
transformers
Опубликована
10 окт 2025

GLM-4.5-Air-GLM-4.6-Distill

Генерация текстаТекст → текст5 профессий

Дистиллированная разговорная модель семейства GLM для генерации ответов в чат-ботах и агентных сценариях.

86скачиваний за 30 дней10лайковвеса обновлены11 окт 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

maywell/GLM-4.5-Air-GLM-4.6-Distill — текстовая разговорная модель на архитектуре GLM4 MoE, опубликованная пользователем maywell. Карточка называет её результатом дистилляции GLM-4.5-Air в GLM-4.6, однако не описывает процедуру обучения; в метаданных указаны 8,5 млрд параметров и контекст до 131 072 токенов.

Модель предназначена для генерации диалоговых ответов и может применяться в чат-ботах и агентных сценариях. Исходная карточка GLM-4.5-Air описывает гибридные режимы рассуждения, программирования и работы с инструментами, но не подтверждает, что все эти возможности сохранены в данном дистиллированном чекпойнте. Метаданные отмечают английский и китайский языки. Репозиторий использует формат Safetensors; лицензия MIT допускает коммерческое использование и доработку.

Сценарии применения

  • создание диалогового чат-бота
  • генерация ответов на сообщения пользователя
  • прототипирование разговорного агента
  • диалоговое взаимодействие на английском языке
  • диалоговое взаимодействие на китайском языке

Ограничения

README не раскрывает детали дистилляции и не подтверждает, какие возможности исходной GLM-4.5-Air сохранены в этой модели. Информация о качестве именно этого чекпойнта и его ограничениях отсутствует.

Для каких профессий подходит5

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-GLM-4.6-Distill

image

Real SVD distill result CleanShot 2025-10-11 at 03.20.48@2x

Context: https://www.reddit.com/r/LocalLLaMA/comments/1o3kb3o/real_svd_glm45airglm46distill

Discord: is.maywell

Original Model Card

GLM-4.5-Air

Model Introduction

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

Both GLM-4.5 and GLM-4.5-Air are hybrid reasoning models that provide two modes: thinking mode for complex reasoning and tool usage, and non-thinking mode for immediate responses.

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

As demonstrated in our comprehensive evaluation across 12 industry-standard benchmarks, GLM-4.5 achieves exceptional performance with a score of 63.2, in the 3rd place among all the proprietary and open-source models. Notably, GLM-4.5-Air delivers competitive results at 59.8 while maintaining superior efficiency.

bench

For more eval results, show cases, and technical details, please visit our technical blog or technical report.

The model code, tool parser and reasoning parser can be found in the implementation of transformers, vLLM and SGLang.

Quick Start

Please refer our github page for more detail.

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
bfae9c9

0 моделей