智谱科技近日宣布开源其端侧大语言和多模态模型GLM-Edge系列，这一举措标志着公司在端侧真实落地使用场景中的一次重要尝试。GLM-Edge系列由四种不同尺寸的模型组成，包括GLM-Edge-1.5B-Chat、GLM-Edge-4B-Chat、GLM-Edge-V-2B和GLM-Edge-V-5B，分别针对手机、车机等移动平台以及PC等桌面平台进行了优化。
zai-org
Glm-Edge-Chat-4B-GGUF是一款基于GLM架构的40亿参数文本生成模型，专为边缘设备优化，提供智能的文本交互体验。该模型采用GGUF格式，便于在各种硬件上部署运行。
Glm-Edge-Chat-1.5B-GGUF是一款支持中英双语的开源文本生成模型，采用GGUF格式优化，专为边缘设备部署设计，参数量为15亿。
THUDM
支持图像文本到文本转换的高效生成模型，适用于多种应用场景
Glm-Edge-V-2B-GGUF是一款支持图像文本到文本转换的多模态模型，具有20亿参数规模，支持中英文处理，可通过GGUF格式高效部署在各种硬件平台上。
Glm-Edge-V-5B-GGUF是一个支持中英文的多语言图文生成文本模型，基于GLM架构开发。
Glm-Edge-V-5B-GGUF 是一款支持图像文本转换为文本的多模态模型，支持中英双语处理，能够高效准确地将视觉信息转换为文本描述。
GLM-Edge-V-5B是一个50亿参数的多模态模型，支持图像和文本输入，能够执行图像理解和文本生成任务。
GLM-Edge-V-5B是一个支持图像文本到文本转换的多模态模型，基于Pytorch框架开发，能够根据输入的图像和文本生成相关的文本内容输出。
GLM-Edge-V-2B 是一个支持图像文本到文本转换的视觉语言模型，专为边缘计算场景设计，具有50亿参数规模，能够处理图像描述等任务，适用于自然语言处理和计算机视觉的融合应用。
GLM-Edge-V-2B是一个基于Pytorch框架的图像文本到文本模型，支持中文处理。
GLM-Edge-4B-Chat是智谱AI开发的一个40亿参数的中英双语对话模型，专门针对边缘设备优化，支持高效的文本生成任务。该模型基于Transformer架构，具有轻量化、高效率的特点，适合在资源受限的环境中部署。
GLM-Edge-1.5B-Chat 是一个基于 GLM 架构的 15 亿参数规模的聊天模型，适用于中文对话场景。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
