GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF (andyjack, 2026) एक 268 अरब parameter वाला चैट model है। GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF is an open-weights chat model with roughly 268 billion parameters.
by andyjack · 268B parameters
किसके लिए सर्वोत्तम
- जटिल multi-step reasoning
- tool use के साथ agent orchestration
- लंबे documents का विश्लेषण और सारांश
osFoundry में GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF का उपयोग करने के तरीके
अपनी key से जोड़ें (BYOK)
key dialog खोलें और अपनी andyjack API key पेस्ट करें। osFoundry GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF को स्वचालित रूप से खोज लेता है — इसे Pipeline tab में किसी Maestro role (router, direct, orchestrator, या fallback) को असाइन करें और यह हर चैट में live हो जाता है। आपकी key, आपका provider account — कोई token markup नहीं।
एक dedicated endpoint deploy करें
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF open-weights है — इसे locally मुफ्त में चलाएँ, या rate limits के बिना reserved capacity के लिए अपने workspace में एक dedicated GPU endpoint deploy करें।
Room App में उपयोग करें
Room Apps अपने manifest में AI features घोषित करते हैं, फिर उन्हें invokeAI के साथ कॉल करते हैं:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
अपने ऐप्स से इसे कॉल करें
एक बार जब model आपके workspace में wired हो जाता है, तो आप इसे API के रूप में host कर सकते हैं और इसे अपनी services, scripts, या CI से — osFoundry के बाहर — एक्सेस कर सकते हैं।
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF कौनसा hardware चला सकता है
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF एक multi-GPU setup या Q4 पर H200 141GB पर चलता है (~161 GB VRAM, KV-cache headroom के साथ)। पूर्ण-precision inference FP16 पर कई H100/H200 GPUs की आवश्यकता (~644 GB)।
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF बनाम समान models
लाइसेंस
अनिर्दिष्ट — लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें।
Upstream documentation देखें।
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF के बारे में अक्सर पूछे जाने वाले प्रश्न
क्या GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF उपयोग करने के लिए मुफ्त है?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF आपके अपने hardware पर locally चलाने के लिए मुफ्त है। osFoundry के माध्यम से hosted access metered है (input Free (local), output Free (local))। आप किसी भी समय local और hosted के बीच switch कर सकते हैं।
क्या मैं GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF का commercial उपयोग कर सकता हूँ?
Commercial उपयोग शर्तों के साथ अनुमत है। लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें। Upstream documentation देखें।
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF को कितनी VRAM चाहिए?
Q4 quantisation पर लगभग 161 GB, या पूर्ण FP16 precision पर 644 GB। उच्च quantisation पर multi-GPU की आवश्यकता।
क्या मैं GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF को locally चला सकता हूँ?
हाँ। GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF open-weights है और workstation GPU पर locally चलता है। osFoundry का local runtime model loading, quantisation, और routing संभालता है।
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF किसमें सर्वश्रेष्ठ है?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF जटिल multi-step reasoning, tool use के साथ agent orchestration, लंबे documents का विश्लेषण और सारांश के लिए उपयुक्त है।
मैं osFoundry में GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF का उपयोग कैसे करूँ?
key dialog में अपनी andyjack API key पेस्ट करें (या self-hostable models के लिए open weights deploy करें), Pipeline tab में GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF को एक Maestro role को असाइन करें, फिर इसे चैट में, invokeAI के माध्यम से Room Apps में, या अपने ऐप्स में उपयोग करें।
andyjack द्वारा प्रकाशित 11 मार्च 2026 को। स्रोत: https://huggingface.co/andyjack/GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF