夢(mèng)晨 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

智譜AI上市后，再發(fā)新成果。

開源輕量級(jí)大語(yǔ)言模型GLM-4.7-Flash，直接替代前代GLM-4.5-Flash，API免費(fèi)開放調(diào)用。

這是一個(gè)30B總參數(shù)、僅3B激活參數(shù)的混合專家（MoE）架構(gòu)模型，官方給它的定位是“本地編程與智能體助手”。

在SWE-bench Verified代碼修復(fù)測(cè)試中，GLM-4.7-Flash拿下59.2分，“人類最后的考試”等評(píng)測(cè)中也顯著超越同規(guī)模的Qwen3-30B和GPT-OSS-20B。

作為去年12月發(fā)布的旗艦?zāi)Ｐ虶LM-4.7的輕量化版本，GLM-4.7-Flash繼承了GLM-4系列在編碼和推理上的核心能力，同時(shí)針對(duì)效率做了專門優(yōu)化。

除了編程，官方還推薦將這個(gè)模型用于創(chuàng)意寫作、翻譯、長(zhǎng)上下文任務(wù)，甚至角色扮演場(chǎng)景。

30B參數(shù)只激活3B，MLA架構(gòu)首次上線

GLM-4.7-Flash沿用了該系列的”混合思考模型”的設(shè)計(jì)。

總參數(shù)量300億，但實(shí)際推理時(shí)僅激活約30億參數(shù)，使模型在保持能力的同時(shí)大幅降低計(jì)算開銷。

上下文窗口支持到200K，既可以云端API調(diào)用，也支持本地部署。

目前官方還沒有給出技術(shù)報(bào)告，更多細(xì)節(jié)還要從配置文件自己挖掘。

有開發(fā)者注意到一個(gè)重要細(xì)節(jié)：GLM團(tuán)隊(duì)這次首次采用了MLA（Multi-head Latent Attention）架構(gòu)。這一架構(gòu)此前由DeepSeek-v2率先使用并驗(yàn)證有效，如今智譜也跟進(jìn)了。

從具體結(jié)構(gòu)來(lái)看，GLM-4.7-Flash的深度與GLM-4.5 Air和Qwen3-30B-A3B接近，但專家數(shù)量有所不同——它采用64個(gè)專家而非128個(gè)，激活時(shí)只調(diào)用5個(gè)（算上共享專家）。

目前發(fā)布不到12小時(shí)，HuggingFace、vLLM等主流平臺(tái)就提供了day0支持。

官方也在第一時(shí)間提供了對(duì)華為昇騰NPU的支持。

本地部署方面，經(jīng)開發(fā)者實(shí)測(cè)在32GB統(tǒng)一內(nèi)存、M5芯片的蘋果筆記本上能跑到43 token/s的速度。

官方API平臺(tái)上基礎(chǔ)版GLM-4.7-Flash完全免費(fèi)（限1個(gè)并發(fā)），高速版GLM-4.7-FlashX價(jià)格也相當(dāng)白菜。

對(duì)比同類模型，在上下文長(zhǎng)度支持和輸出token價(jià)格上有優(yōu)勢(shì)，但目前延遲和吞吐量還有待優(yōu)化。

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

[1]https://x.com/Zai_org/status/2013261304060866758智譜新模型也用DeepSeek的MLA，蘋果M5就能跑