GLM-4.7-Flash
推理大模型GLM-4.7-Flash
模型基本信息
是否支持推理过程
支持
最高上下文输入长度
200K tokens
最长输出结果
131072 tokens
模型类型
推理大模型
发布时间
2026-01-19
模型预文件大小
62.5GB
推理模式
开源和体验地址
官方介绍与博客
API接口信息
接口速度（满分5分）
接口价格
默认单位：$/100万 tokens；若计费单位不同，则以供应商公开的原始标注为准。
| 模态 | 输入 | 输出 |
|---|---|---|
| 文本 | 0 人民币/100 万tokens | 0 人民币/100 万tokens |
GLM-4.7-Flash模型在各大评测榜单的评分
综合评估
共 2 项评测编程与软件工程
共 1 项评测数学推理
共 1 项评测Agent能力评测
共 1 项评测AI Agent - 信息收集
共 1 项评测发布机构
GLM-4.7-Flash模型解读
GLM-4.7-Flash 是由 Z.ai（zai-org）发布并开源的大型语言模型，属于 GLM-4.7 系列。模型已在 Hugging Face 平台公开，提供完整权重与模型卡信息，面向文本生成类任务。
该模型主要支持中文与英文输入，适用于通用对话、代码生成、推理问答等典型大模型使用场景。
模型规模与架构信息
GLM-4.7-Flash 的参数规模约为 31B，采用 BF16 / FP32 精度格式发布。
从模型标注信息来看，其配置被归类为轻量级 MoE（Mixture-of-Experts）相关实现，定位于在算力与模型能力之间取得平衡。
在 GLM-4.7 系列中，Flash 版本与完整体量模型（数百 B 参数规模）形成区分，主要面向单机或中等规模集群的部署场景。
基准测试结果
根据模型卡中公开的评测数据，GLM-4.7-Flash 在多项常见基准测试中给出了量化结果，包括：
- 数学与逻辑推理类评测（如 AIME）
- 通用知识与问答类评测（如 GPQA）
- 代码生成与修复评测（如 LiveCodeBench、SWE-bench）
- 工具使用与多步推理相关评测（如 τ²-Bench、BrowseComp）
在这些测试中，GLM-4.7-Flash 与同参数量级模型（如 20B–30B 区间）存在数值差异，具体表现以官方公布的单项得分为准。
需要注意的是，上述结果均来自统一评测设置下的自动基准，未包含真实业务场景下的定制化测试。
推理与部署方式
GLM-4.7-Flash 支持多种主流推理框架和部署方式，包括：
- 使用 vLLM 进行高吞吐推理服务部署
- 使用 SGLang 启动模型服务
- 通过 Hugging Face Transformers 接口直接加载模型进行本地推理
模型卡中给出了对应的加载与推理示例，涵盖 tokenizer 初始化、模型加载与文本生成流程。
此外，该模型也可通过 Z.ai 提供的 API 平台进行调用，用于云端推理服务。
许可与使用限制
GLM-4.7-Flash 以 MIT License 形式发布。
该许可允许用户在遵循协议条款的前提下进行修改、分发和商业使用。
模型卡未额外标注使用领域限制或访问限制。
模型系列背景
GLM-4.7-Flash 隶属于 GLM 系列模型，该系列由 Z.ai 持续维护和发布，涵盖多种参数规模与使用场景的模型版本。
从公开信息来看，Flash 版本是 GLM-4.7 系列中针对部署效率和资源使用进行调整的一个分支。
社区讨论中对该模型的关注点主要集中在其参数规模、推理成本、基准分数以及与其他同级模型的对比。
总结
GLM-4.7-Flash 是一个约 31B 参数规模的开源语言模型，面向通用文本生成与推理任务。
模型提供了标准化的权重发布、基准评测数据与多种部署方式支持，并采用 MIT 许可。
对于需要在有限算力条件下使用 GLM-4.7 系列模型的场景，GLM-4.7-Flash 是当前公开版本之一，其具体适用性仍需结合实际任务与部署环境进行评估。
关注DataLearnerAI公众号
关注DataLearnerAI微信公众号，接受最新大模型资讯
