模型详情
模型介绍
中文整理GLM-5-INT4-Pack8
模型介绍
GLM-5-INT4-Pack8 是 GLM-5 模型的 INT4 量化版本,采用 Pack8 量化技术,在保持模型性能的同时显著降低了显存占用和推理延迟。该模型基于 vLLM 推理框架,提供 OpenAI 兼容的 API 服务,经过天垓150 16卡并行测试。
模型特性
- *量化方案**: INT4 Pack8 量化,支持 W4A8 优化
- *推理框架**: vLLM(支持流水线并行和张量并行)
环境要求
- *推理框架**: vLLM > 0.11.2+corex.4.5.0.rc.1.20260209
- *Python 版本**: 3.8+
- *GPU**: 支持多卡并行部署
- *显存**: 建议单卡 24GB 以上
快速开始
启动服务
API 调用示例
Python 调用示例
优先采用原作者提供的中文模型卡片;仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件;指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖,请按作者说明配齐。
完整仓库可能包含多个权重格式,因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖,以原作者说明为准。
授权范围是否允许商用、修改和分发,请查看模型许可证。
闲社提供资料与镜像下载方法,不代表已运行模型或完成安全审计。下载的代码应先检查,再执行。
资料或下载有问题?
登录后可提交反馈。