梦晨 发自 凹非寺七台河不锈钢保温工程

智谱AI上市后，再发新后果。

开源轻量大言语模子GLM-4.7-Flash，平直替代前代GLM-4.5-Flash，API费洞开调用。

这是个3B总参数、仅3B激活参数的羼杂（MoE）架构模子，官给它的定位是“腹地编程与智能体助手”。

在SWE-bench Verified代码缔造测试中，GLM-4.7-Flash拿下59.2分，“东谈主类后的测验”等评测中也著越同领域的Qwen3-3B和GPT-OSS-2B。

算作旧年12月发布的旗舰模子GLM-4.7的轻量化版块，GLM-4.7-Flash接收了GLM-4系列在编码和理上的中枢智商，同期针对率作念了门化。

除了编程，官还荐将这个模子用于创意写稿、翻译、长高下文任务，甚而角饰演场景。

GLM-4.7-Flash沿用了该系列的”羼杂想考模子”的假想。

总参数目3亿七台河不锈钢保温工程，但履行理时仅激活约3亿参数，管道保温施工使模子在保握智商的同期大幅裁汰贪图支拨。

高下文窗口救济到2K，既不错云霄API调用，也救济腹地部署。

现在官还莫得给出技巧论说，多细节还要从树立文献我方挖掘。

有开拓者戒备到个热切细节：GLM团队此次次选拔了MLA（Multi-head Latent Attention）架构。这架构此前由DeepSeek-v2领先使用并考证有，如今智谱也跟进了。

从具体结构来看，GLM-4.7-Flash的度与GLM-4.5 Air和Qwen3-3B-A3B接近，但数目有所不同——它选拔64个而非128个，激活时只调用5个（算上分享）。

现在发布不到12小时，HuggingFace、vLLM等主流平台就提供了day救济。

官也在时刻提供了对华为昇腾NPU的救济。

腹地部署面，经开拓者实测在32GB统内存、M5芯片的苹果条记本上能跑到43 token/s的速率。

官API平台上基础版GLM-4.7-Flash费（限1个并发），速版GLM-4.7-FlashX价钱也特地白菜。

对比同类模子，在高下文长度救济和输出token价钱上有势，但现在延长和婉曲量还有待化。

HuggingFace：

参考勾搭：