GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF (andyjack, 2026) é um modelo de 268 bilhões de parâmetros de chat. GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF is an open-weights chat model with roughly 268 billion parameters.
by andyjack · 268B parâmetros
Ideal para
- raciocínio complexo de múltiplas etapas
- orquestração de agentes com uso de ferramentas
- análise e sumarização de documentos longos
Como usar GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da andyjack. O osFoundry descobre GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF automaticamente — atribua-o a um papel do Maestro (router, direct, orchestrator ou fallback) na aba Pipeline e ele estará ativo em cada chat. Sua chave, sua conta no provedor — sem markup sobre tokens.
Implante um endpoint dedicado
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é open-weights — execute localmente sem custo, ou implante um endpoint GPU dedicado no seu workspace para capacidade reservada sem limites de taxa.
Use em um Room App
Os Room Apps declaram recursos de IA em seus manifestos e os chamam com invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Chame a partir dos seus próprios apps
Uma vez que um modelo está conectado ao seu workspace, você pode hospedá-lo como uma API e acessá-lo a partir dos seus próprios serviços, scripts ou CI — fora do osFoundry.
Quais hardwares rodam GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF roda em uma configuração multi-GPU ou H200 141GB em Q4 (~161 GB de VRAM com folga para KV-cache). A inferência em precisão completa requer múltiplas GPUs H100/H200 em FP16 (~644 GB).
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF vs modelos semelhantes
Licença
Não especificada — Termos de licença não especificados — verifique o model card original antes do uso comercial.
Consulte a documentação original.
Perguntas frequentes sobre GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é gratuito?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é gratuito para rodar localmente no seu próprio hardware. O acesso hospedado via osFoundry é medido (entrada Free (local), saída Free (local)). Você pode alternar entre local e hospedado a qualquer momento.
Posso usar GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF comercialmente?
Uso comercial é permitido com condições. Termos de licença não especificados — verifique o model card original antes do uso comercial. Consulte a documentação original.
Quanta VRAM GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF precisa?
Aproximadamente 161 GB em quantização Q4, ou 644 GB em precisão FP16 completa. Requer multi-GPU em quantização mais alta.
Posso rodar GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF localmente?
Sim. GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é open-weights e roda localmente em uma GPU de workstation. O runtime local do osFoundry cuida do carregamento, da quantização e do roteamento do modelo.
Em que GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é melhor?
GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF é bem adequado para raciocínio complexo de múltiplas etapas, orquestração de agentes com uso de ferramentas, análise e sumarização de documentos longos.
Como uso GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF no osFoundry?
Cole sua chave de API da andyjack no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF a um papel do Maestro na aba Pipeline e use-o em chats, em Room Apps via invokeAI ou nos seus próprios apps.
Publicado pela andyjack em 11 de março de 2026. Fonte: https://huggingface.co/andyjack/GLM-4.7-REAP-268B-A32B-MXFP4_MOE_GGUF