GLM-4

Chinesische Alternative mit gutem Multilingual-Support und Tool-Calling. Die 9B-Version läuft problemlos auf Mittelklasse-Hardware.

So nutzt du es

Am einfachsten per Ollama: ollama pull <modellname> und dann ollama run <modellname> — oder komfortabel mit LM Studio (grafische Oberfläche, Modell-Suche eingebaut). Die Hardware-Angaben unten beziehen sich auf die übliche 4-Bit-Quantisierung (Q4).

Größen & Hardware

• Verfügbare Größen: 9B; GLM-4.5: große MoE
• Empfohlene Hardware (Q4): 9B: 8–12 GB

Im Detail

GLM-4 stammt vom chinesischen Anbieter Zhipu AI und punktet vor allem mit gutem mehrsprachigem Verständnis – auch jenseits der üblichen Englisch/Chinesisch-Kombination – sowie zuverlässigem Tool-Calling, also der Fähigkeit, externe Funktionen und APIs strukturiert aufzurufen. Die 9B-Version ist mit 8–12 GB RAM auf gängiger Mittelklasse-Hardware praxistauglich und eine reelle Alternative zu Llama oder Qwen, wenn deren Ergebnisse nicht überzeugen. Mit GLM-4.5 gibt es zudem eine deutlich größere MoE-Variante für anspruchsvollere Aufgaben, die aber entsprechend mehr Ressourcen braucht. Wer Agenten oder Tool-nutzende Workflows baut, sollte GLM-4 in den Vergleich mit aufnehmen.

Praxis-Tipp

Für Agenten-Prototypen mit Funktionsaufrufen testen, z. B. „Suche das aktuelle Wetter in Berlin und fasse es zusammen“ mit angebundenem Such-Tool – gutes Vergleichsmaß zu Qwen.

Siehe auch

• Qwen 2.5
• Qwen 3

Lizenz & Quelle

• Lizenz: GLM-4-9B: eigene Lizenz (kommerziell mit Registrierung); neuere GLM-4.5-Reihe: MIT
• Quelle: Ollama
• Quelle: HF