GLM-4.7-Flash

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。