glm-5.3-flash
Arquitectura mezcla de expertos45 CapasLicencia mitContexto máximo 1.024kVocabulario 154.880
En Q4_K_M es un fichero de 187,04 GiB y entra en 1 de los 18 equipos que medimos (solo uno: Mac Studio con M5 Ultra y 512 GB unificados). Aquí lo que llena la memoria es el fichero: incluso con su contexto máximo de 1024k tokens, el contexto suma 22,00 GiB — y el mismo contenido, en tokens, cuesta en español ×1,28 lo que en inglés (en alemán, ×1,49).
Tamaño del modelo en Q4_K_M
Medido por Local AI Scope
Memoria de contexto a 8k tokens
Medido por Local AI Scope
Lo que cuesta el alemán frente al inglés
Medido por Local AI Scope
Vídeos: glm-5.3-flash 3
Las mejores pruebas que hemos encontrado. Pulsa y se abre aquí mismo.
Los vídeos están en YouTube y no se carga nada de allí hasta que pulsas (modo sin cookies). La miniatura la servimos nosotros.
Tamaños de los ficheros publicados
Son los tamaños de los ficheros que publica su autor, sumados cuando el modelo viene partido en trozos. No es una estimación a partir del número de parámetros.
| Compresión | Tamaño del modelo |
|---|---|
Q8_0 |
318,05 GiB |
Q6_K |
261,74 GiB |
Q5_K_M |
226,96 GiB |
Q5_K_S |
212,26 GiB |
Q4_K_M |
187,04 GiB |
Q4_K_S |
176,30 GiB |
IQ4_XS |
165,54 GiB |
Q3_K_M |
144,37 GiB |
Este modelo también lee imágenes. Para eso necesita un segundo fichero, el proyector de visión (mmproj-GLM-5.3-Flash-BF16-f16.gguf, 1,05 GiB), que se publica junto al modelo y no está sumado en las cifras de esta página: cuentan solo el texto. Si vas a pasarle imágenes, añádelo al tamaño del modelo.
Memoria de contexto
Calculada con el patrón de atención que este modelo declara capa a capa, no con la fórmula genérica. Por eso la cifra suele ser bastante menor que la que dan otras calculadoras. Este modelo guarda la memoria de contexto comprimida (atención latente): por cada capa y token, un vector de 512 valores en lugar de sus 64 cabezas de 256. La contamos como una cabeza de 512 para la clave y otra para el valor, que es algo más de lo que ocupa de verdad (un mismo latente sirve para las dos), así que estas cifras pecan por arriba, nunca por abajo.
- 8k tokens → 0,17 GiB
- 32k tokens → 0,69 GiB
- 128k tokens → 2,75 GiB
Lo que cuesta en cada idioma
Medido ejecutando el tokenizador de este modelo sobre el mismo contenido en cuatro idiomas. Los tokens son lo que se paga en contexto, en memoria y en la factura de la nube.
| Tipo de texto | EN | ES | FR | DE |
|---|---|---|---|---|
| Código | — | ×1,26 | ×1,41 | ×1,64 |
| Contratos | — | ×1,29 | ×1,36 | ×1,52 |
| Correo de empresa | — | ×1,22 | ×1,32 | ×1,32 |
| Tickets de soporte | — | ×1,33 | ×1,51 | ×1,41 |
El inglés es la referencia: cada cifra es cuántas veces más tokens cuesta el mismo contenido en ese idioma. Media sobre todo el corpus: DE ×1,49.
Dónde cabe
Que quepa significa que caben el modelo, su memoria de contexto y el margen de trabajo al contexto indicado, dejándole al sistema lo suyo. 1 de los 18 equipos probados (Q4_K_M, 8k tokens).
Si aceptas comprimirlo más, sí corre donde la tabla dice que no: en Q3_K_M (144,37 GiB), hasta 256k tokens de contexto, en PC con Ryzen AI Max+ PRO 495 y 192 GB unificados. Por debajo de Q4_K_M el modelo pierde algo de calidad, y en Q3_K_M se nota; por eso la tabla de arriba se queda en Q4_K_M.
Antes de darle a descargar: a 6 de octubre de 2026, la forma de mover este modelo en uno de estos equipos es llama.cpp: lo abre su versión estable v0.6.0, publicada el 5 de octubre de 2026, y también sus compilaciones diarias a partir de la b11279; las versiones anteriores, no. Ollama y LM Studio lo ofrecen solo en su nube (en su catálogo no hay descarga local), y mlx-lm no admite su arquitectura. vLLM sí lo admite, pero con los pesos originales en FP8 (305,81 GiB) en la memoria de la tarjeta gráfica, y ningún PC de nuestra lista tiene tanta VRAM. Una buena noticia: el fichero Q4_K_M incluye una capa de 3,93 GiB para predecir varios tokens a la vez, y llama.cpp no la carga, así que con él el modelo necesita 3,93 GiB menos de lo que cuenta la tabla.