GLM-130B vs ggml.ai

GLM-130B ofrece un modelo de lenguaje bilingüe de 130 mil millones de parámetros en la pila de investigación abierta THUDM, construida alrededor de la receta de preentrenamiento General Language Model (GLM). Los pesos están dirigidos a texto en inglés y chino, y el repositorio de GitHub incluye código de inferencia, tareas de evaluación y puntos de control aceptados en ICLR 2023. Puedes ejecutar generación de izquierda a derecha o relleno en blanco con los tokens [MASK] y [gMASK] en hardware que quepa en un solo servidor multi-GPU en lugar de una API propietaria.

Mientras que la mayoría de los modelos de más de 100 mil millones permanecen cerrados, GLM-130B publica pesos del modelo, notas de entrenamiento y configuraciones YAML para más de 30 benchmarks. Su ruta de cuantización INT4 está ajustada para que cuatro tarjetas RTX 3090 (24GB) puedan alojar la inferencia con casi ninguna pérdida de precisión, un umbral mucho más bajo que la configuración de ocho A100 (40GB) usada para ejecuciones completas en FP16. El objetivo de entrenamiento mezcla relleno en blanco autorregresivo en el 95% de los tokens con datos de instrucciones multitarea de T0++ y DeepStruct, lo cual es una apuesta diferente al preentrenamiento causal estándar estilo GPT.

Los investigadores que estudian transferencia cero disparo bilingüe, cuantización de modelos grandes o benchmarks reproducibles de LLM obtendrán el máximo provecho de GLM-130B. El repositorio se enfoca en herramientas de evaluación e inferencia más que en un producto de chat alojado, aunque THUDM luego derivó el trabajo de diálogo en ChatGLM. Se espera que traigas tus propias GPUs, almacenamiento para un punto de control de 260GB y paciencia para el formulario de descarga de pesos.

ggml ejecuta modelos grandes de lenguaje y voz en CPUs y GPUs comunes mediante una biblioteca compacta de tensores en C diseñada para inferencia en el dispositivo. Ingenieros de ML y desarrolladores de aplicaciones la adoptan a través de llama.cpp y whisper.cpp cuando necesitan cargas de trabajo de LLaMA o Whisper sin depender exclusivamente de la nube.

Frameworks como PyTorch están optimizados para clusters de entrenamiento y tiempos de ejecución pesados. ggml mantiene la biblioteca central mínima con cero asignaciones de memoria en tiempo de ejecución, sin dependencias de terceros y cuantización entera para que llama.cpp pueda servir pesos Meta LLaMA en laptops y Apple Silicon.

La empresa ggml.ai fue fundada en 2023 por Georgi Gerganov para apoyar la biblioteca y fue adquirida por Hugging Face en 2026. El proyecto central ggml permanece con licencia MIT y desarrollo abierto en GitHub.