# Unsloth AI 将 GLM-5.2 模型压缩至 2-bit 并支持本地运行，238GB 大小保留约 82% 准确率，可在 256GB Mac 上部署

- 来源：智谱AI
- 发布时间：2026-06-18 20:40
- AIWatch 分数：73
- AIWatch 标记：未精选
- AIWatch 链接：https://aiwatch.icu/events/evt_01kvsyr6crafy9e4d658935exk
- 原文链接：https://x.com/Zai_org/status/2067588343307849886

## 精选理由

高信息密度，值得细读

## AI 摘要

Unsloth AI 将 GLM-5.2 开放权重模型从 1.51TB 压缩至 238GB（-84% 大小），采用 2-bit 量化，保留约 82% 准确率。该模型可在 256GB Mac 或同等 RAM/VRAM 配置上本地运行。GLM-5.2 本身具备 1M 上下文窗口，在编码和智能体任务上有显著提升。对开发者而言，这意味着可以在消费级硬件上部署前沿开放权重模型，但需接受精度损失。
核心观点：
1. Unsloth 将 GLM-5.2 从 1.51TB 压缩至 238GB，大小减少 84%。
2. 2-bit 量化版本保留约 82% 的原始准确率。
3. 模型可在 256GB Mac 或同等 RAM/VRAM 配置上本地运行。

## 正文

Unsloth AI 将 GLM-5.2 开放权重模型从 1.51TB 压缩至 238GB（-84% 大小），采用 2-bit 量化，保留约 82% 准确率。该模型可在 256GB Mac 或同等 RAM/VRAM 配置上本地运行。GLM-5.2 本身具备 1M 上下文窗口，在编码和智能体任务上有显著提升。对开发者而言，这意味着可以在消费级硬件上部署前沿开放权重模型，但需接受精度损失。
核心观点：
1. Unsloth 将 GLM-5.2 从 1.51TB 压缩至 238GB，大小减少 84%。
2. 2-bit 量化版本保留约 82% 的原始准确率。
3. 模型可在 256GB Mac 或同等 RAM/VRAM 配置上本地运行。