智谱 AI 正式推出 GLM-4.7-Flash——一款基于 30B 总参数、激活 3B（A3B）的稀疏混合专家（MoE）架构 的大语言模型。它在高性能与高效率之间取得出色平衡，成为本地部署场景下理想的编码助手与智能代理。
- 模型：http://huggingface.co/zai-org/GLM-4.7-Flash
- API：http://docs.z.ai/guides/overview/pricing
- Ollama：https://ollama.com/library/glm-4.7-flash
除了代码生成，该模型同样适用于创意写作、多语言翻译、长上下文理解与角色扮演等任务，最大支持 131,072 tokens 上下文长度。
性能表现：全面领先
在多项权威基准测试中，GLM-4.7-Flash 表现亮眼，尤其在工程与代理任务上大幅超越同类模型：
| 基准 | GLM-4.7-Flash | Qwen3-30B-A3B-Thinking | GPT-OSS-20B |
|---|---|---|---|
| AIME 25（数学） | 91.6 | 85.0 | 91.7 |
| GPQA（知识推理） | 75.2 | 73.4 | 71.5 |
| SWE-bench Verified（真实代码修复） | 59.2 | 22.0 | 34.0 |
| τ²-Bench（多轮代理） | 79.5 | 49.0 | 47.7 |
| BrowseComp（浏览器自动化） | 42.8 | 2.29 | 28.3 |
在 SWE-bench 和 τ²-Bench 等复杂任务中，GLM-4.7-Flash 的得分几乎是竞品的 2–3 倍，展现出强大的工具调用与任务规划能力。
部署与使用
本地部署支持
- 支持主流推理框架：vLLM、SGLang（需使用主分支）
- 官方提供详细部署指南（见 GitHub 仓库）
云端 API
- GLM-4.7-Flash：免费使用（1 并发）
- GLM-4.7-FlashX：高速高并发版本，按量计费
文档地址：https://docs.z.ai
推理参数建议
| 场景 | Temperature | Top-p | Max Tokens |
|---|---|---|---|
| 通用任务 | 1.0 | 0.95 | 131072 |
| 代码任务（SWE-bench） | 0.7 | 1.0 | 16384 |
| 多轮代理（τ²-Bench） | 0（确定性） | - | 16384 |
对于代理类任务，建议启用 Preserved Thinking 模式，以保持推理链一致性。
适用场景
- 开发者：本地运行代码补全、调试、测试生成
- 研究者：构建可复现的智能体实验环境
- 创作者：长文本生成、多语言内容创作
- 企业用户：私有化部署，保障数据安全
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
