GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF (andyjack, 2026) adalah sebuah model chat 268 miliar parameter . GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF is an open-weights chat model with roughly 268 billion parameters.
by andyjack · 268B parameter
Paling cocok untuk
- penalaran multi-langkah yang kompleks
- orkestrasi agent dengan tool use
- analisis dan peringkasan dokumen panjang
Cara menggunakan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key andyjack Anda. osFoundry menemukan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF secara otomatis — tetapkan ke peran Maestro (router, direct, orchestrator, atau fallback) di tab Pipeline dan model ini langsung aktif di setiap chat. Key Anda, akun provider Anda — tanpa markup token.
Deploy endpoint khusus
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF bersifat open-weights — jalankan secara lokal tanpa biaya, atau deploy endpoint GPU khusus di workspace Anda untuk kapasitas tercadangkan tanpa rate limit.
Gunakan di Room App
Room App mendeklarasikan fitur AI di manifest mereka, lalu memanggilnya dengan invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Panggil dari aplikasi Anda sendiri
Setelah sebuah model terhubung ke workspace Anda, Anda dapat meng-host-nya sebagai API dan mengaksesnya dari layanan, skrip, atau CI Anda sendiri — di luar osFoundry.
Hardware apa yang dapat menjalankan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF berjalan di setup multi-GPU atau H200 141GB pada Q4 (~161 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh membutuhkan beberapa GPU H100/H200 pada FP16 (~644 GB).
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
Apakah GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF gratis untuk digunakan?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF gratis untuk dijalankan secara lokal pada hardware Anda sendiri. Akses ter-host melalui osFoundry dikenakan biaya (input Free (local), output Free (local)). Anda dapat beralih antara lokal dan ter-host kapan saja.
Bisakah saya menggunakan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Berapa VRAM yang dibutuhkan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF?
Sekitar 161 GB pada kuantisasi Q4, atau 644 GB pada presisi FP16 penuh. Membutuhkan multi-GPU pada kuantisasi yang lebih tinggi.
Bisakah saya menjalankan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF secara lokal?
Ya. GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF sangat cocok untuk penalaran multi-langkah yang kompleks, orkestrasi agent dengan tool use, analisis dan peringkasan dokumen panjang.
Bagaimana cara menggunakan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF di osFoundry?
Tempelkan API key andyjack Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh andyjack pada 11 Maret 2026. Sumber: https://huggingface.co/andyjack/GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF