智東西
作者 王涵
編輯 李水青

智東西1月20日報道，今天，智譜GLM-4.7-Flash正式發(fā)布并開源。GLM-4.7-Flash是一個混合思考模型，總參數(shù)量為30B，激活參數(shù)量為3B，上下文長度為200K。

▲GLM-4.7-Flash開源主頁（來源：魔搭社區(qū)）

性能上，在SWE-bench Verified、τ2-Bench等主流基準測試中，GLM-4.7-Flash的綜合表現(xiàn)超過gpt-oss-20b、Qwen3-30B-A3B-Thinking-2507，在相同和近似尺寸模型系列中取得開源SOTA分數(shù)。

▲GLM-4.7-Flash基準測試

價格方面，GLM-4.7-Flash全部免費。

▲GLM-4.7-Flash價格

開源地址：

Hugging Face：

https://huggingface.co/zai-org/GLM-4.7-Flash

魔搭社區(qū)：

https://modelscope.cn/models/ZhipuAI/GLM-4.7-Flash

一、2分鐘搓出天氣助手，GLM-4.7從編碼到角色扮演全都會

在Agent Coding方面，GLM-4.7主要目標為“任務完成”而非單點代碼生成，能夠從目標描述出發(fā)，自主完成需求理解、方案拆解與多技術(shù)棧整合。

我們要求GLM-4.7編寫一個Python函數(shù)，模擬一個簡單的“天氣與日程助手”。

GLM-4.7生成效果如下：

▲GLM-4.7-Flash生成效果（智東西實測）

整個生成過程耗時2分鐘左右，中間有明顯的卡頓思考過程，GLM-4.7生成的代碼正確可用。

回溯GLM-4.7的深度思考過程，我們發(fā)現(xiàn)其解題步驟為：1、分析；2、制定策略；3、起草代碼；5、完善代碼；6、約束審查，過程邏輯清晰，且有自我審查糾錯的能力。

在包含前后端聯(lián)動、實時交互與外設(shè)調(diào)用的復雜場景中，該模型可直接生成結(jié)構(gòu)完整、可運行的代碼框架，顯著減少人工拼裝與反復調(diào)試成本，較為適合復雜Demo、原型驗證與自動化開發(fā)流程。

官方介紹稱，在需要攝像頭、實時輸入與交互控制的場景中，GLM-4.7的系統(tǒng)級理解能力更強。其能夠?qū)⒁曈X識別、邏輯控制與應用代碼整合為統(tǒng)一方案，支持如手勢控制、實時反饋等交互式應用的快速構(gòu)建。

在前端方面，GLM-4.7對視覺代碼與UI規(guī)范的理解較上一代模型增強。據(jù)官方介紹，該模型能在布局結(jié)構(gòu)、配色和諧度與組件樣式上給出風格一致的默認方案，減少樣式反復微調(diào)的時間成本，適合低代碼平臺、AI前端生成工具及快速原型設(shè)計場景。

在多輪對話中，GLM-4.7也可以穩(wěn)定地保持上下文與約束條件，對簡單問題回應更直接，對復雜問題能夠持續(xù)澄清目標并推進解決路徑，適用于開發(fā)支持、方案討論與決策輔助等高頻協(xié)作場景。

在角色扮演與敘事創(chuàng)作中，該模型對世界觀與人設(shè)的遵循更加穩(wěn)定，劇情推進自然有張力。GLM-4.7的文字表達更細膩、更具畫面感，適合互動敘事、IP內(nèi)容創(chuàng)作與角色型應用創(chuàng)作。

在辦公創(chuàng)作中，GLM-4.7能夠穩(wěn)定適配16:9等主流比例，在字體層級、留白與配色上減少模板感，生成結(jié)果更接近“即用級”，適合AI演示工具、企業(yè)辦公系統(tǒng)與自動化內(nèi)容生成場景。

在復雜問題與研究型任務中，GLM-4.7不僅可以返回信息，還能進行結(jié)構(gòu)化整理與跨來源整合，通過多輪交互持續(xù)逼近核心結(jié)論，適合深度研究與決策支持場景。

結(jié)語：GLM-4.7-Flash降低開發(fā)門檻

GLM-4.7-Flash的發(fā)布，核心在于用“混合思考”架構(gòu)，在3B激活參數(shù)的前提下，實現(xiàn)了超越同尺寸開源模型的性能。

其最大亮點是能力的實用性，加之完全免費開源，這款模型降低了開發(fā)者的使用門檻，將加速各類AI應用從原型到落地的進程。