GLM-4.7-Flashをローカルで実行できますか？

Z.ai | 200,000 トークンコンテキスト | 入力 $0.06/M、出力 $0.40/M。30Bクラスの最先端モデルとして、GLM-4.7-Flash は性能と効率のバランスを取った新たな選択肢を提供します。エージェントコーディング用途に最適化されており、コーディング能力、長期タスク計画、ツール連携を強化し、同サイズのオープンソースモデルの中で複数の公開ベンチマークリーダーボードでトップクラスの性能を達成しています。

このモデルのガイド

ローカルAIに実際どれくらいのVRAMが必要？

オープンウェイト、オープンソース、API専用：実際に何ができるのか

GGUFファイルとは？量子化モデルの解説（Q4、Q8、fp8、NF4）

すべてのガイド

キャプテンのメモ

Captainによる、ハウスエディター執筆

2026-10-13のメモ

GLM-4.7-FlashはZ.aiの30BクラスMoEモデルで、アクティブパラメータは3Bのみ。エージェントコーディングや長期タスク計画に特化しています。Qwen3-30B-A3BやGPT-OSS-20Bとのベンチマークで特にSWE-bench Verifiedやマルチターンエージェントタスクで優れた結果を示します。オープンウェイト、20万トークンのコンテキストウィンドウ、低価格APIで、コーディングエージェントや自己ホストが必要な方におすすめです。

得意分野

SWE-bench Verifiedスコア59.2で同クラスのオープンモデルを大きくリード
τ²-Benchでの強力なマルチターンエージェントタスク性能
長文ドキュメントや長期タスクに対応する20万トークンのコンテキストウィンドウ
MoEアーキテクチャ：総30B、アクティブ3Bでローカルで効率的に提供可能
vLLM、SGLang、Transformersでオープンウェイト展開可能

注意点

vLLMとSGLangのサポートはメイン/ナイトリーブランチのみで安定版ではない
マルチターンエージェントタスクにはPreserved Thinkingモードが必須で設定ミスに注意
公開資料にライセンス詳細なし。商用利用前にリポジトリを確認すること

最適な用途

試してみるプロンプト

失敗するテストのデバッグ

以下のPython関数とpytestテストがあります。AssertionErrorで失敗します。バグを特定し、なぜ失敗するのか説明し、修正済みの関数のみを返してください。 def calculate_discount(price, pct): return price - (price * pct) def test_discount(): assert calculate_discount(100, 10) == 90

マルチステップエージェントタスク計画

あなたは自律型コーディングエージェントです。ユーザーのリポジトリにテストスイートがありません。テスト可能なユニットの監査、リスクの高い3関数のpytestテスト作成、実行、失敗の解釈、要約付きプルリクエスト作成までの具体的なステップバイステップ計画を示してください。各ツール呼び出しと期待される返り値もリストアップしてください。

論理パズルの推論

5人のエンジニアがそれぞれPython、Rust、Go、TypeScript、JavaScriptの好きな言語を持っています。以下の手がかりから誰がどの言語を好むか特定してください：アリスはRustファンの隣ではない。ボブはコンパイル言語を好む。キャロルはPythonとGoファンの間に座っている。デイブはJavaScriptを好まない。イヴは端に座りスクリプト言語を好む。

比較する

GLM 5.3 FlashX
API専用モデル
1,048,576トークンのコンテキスト · $0.37/M 入力、$1.25/M 出力
GLM 5V Turbo
API専用モデル
202,752トークンのコンテキスト · $1.20/M 入力、$4.00/M 出力
GLM 5 Turbo
API専用モデル
202,752トークンのコンテキスト · $1.20/M 入力、$4.00/M 出力
GLM 5.3 Prime
API専用モデル
1,000,000トークンのコンテキスト · $2.80/M 入力、$8.80/M 出力

z-aiの他のテキストモデル

よくある質問

GLM-4.7-Flashをローカルで実行できますか？: はい。重みはオープンでHugging Faceのzai-org/GLM-4.7-Flashにあります。vLLM、SGLang、Transformersでローカル推論可能ですが、vLLMとSGLangはメインまたはナイトリーブランチが必要です。
GLM-4.7-Flashの料金とコンテキストは？: Z.ai API経由で入力100万トークンあたり0.06ドル、出力100万トークンあたり0.40ドル、20万トークンのコンテキストウィンドウです。
GLM-4.7-FlashはGLM-4.7とどう違いますか？: GLM-4.7-FlashはGLM-4.7ファミリーの軽量で効率重視のバリアントで、総30Bパラメータ中3BのみがアクティブなMoEアーキテクチャを採用。GLM-4.7はフルモデルで、Flashはエージェントコーディングタスクでコストを抑えたい場合の選択肢です。

キャプテンの評価
エージェントコーディングが主なワークロードで、低価格のオープンウェイトを求めるならGLM-4.7-Flashは実力を裏付けるモデルです。

Hugging Faceのモデルカード

キャプテンはモデルの説明とモデルカードからこれらのメモを書いています。価格やコンテキストサイズは執筆時点の提供元のもので、変更されることがあります。

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

このスコアの計算方法

このモデルはまだどのソースからも人気データがないため、リストを完全に保つために7,000°未満の仮の数値が割り当てられています。データのあるモデルより上位には決してなりません。内訳はソースが報告次第ここに表示されます。

用語集：ここで使われている用語

ヒートスコア: モデルが今どれだけ使われていて求められているかを示す1つの数字。0°から9,999°まで。ここで「最も熱い」と言われるすべてのリストはこれで並べられています。
フロア: 実データのあるすべてのモデルが7,000°からスタートする基準点。スケールは0°から9,999°までで、フロア以下はデータのないモデル用に確保されているので、データのあるモデルは必ず上位になります。フロアは全員共通で順位には影響しません。フロアを超えた度数が実際の評価です。
ダウンロード相当数: スコアがダウンロードとして扱うすべてのものを合計：ダウンロードそのもの、各トレントシーダーは1,000、各AI Horde画像と生成サイトでの実行は1としてカウント。
対数スケール: 1ずつではなく10ずつ数えます：1,000から10,000ダウンロードに増えるのは、10,000から100,000に増えるのと同じ度数を加算。巨大なものが他を圧倒しないようにしています。
いいね: すべてのソースからのサムズアップといいね。対数スケールでダウンロードの半分の価値があります。
普及率: 2回の計測の差からわかる、今の1日あたりのダウンロード数。ダウンロード項目の4分の1の重みです。
測定済みと推定: 測定済みは、あるソースの2つの読み取り値が存在し、その差が実際のものであることを意味します。推定は、今日の合計だけがわかっていて、過去の値はモデルの寿命にわたって分配されていることを意味します。サイトはどちらを表示しているかを示します。
シーダー: トレント経由で他の人がダウンロードできるように重みのコピーをオンラインで保持している人、または同じことをするホストされたミラーのことです。それぞれが1,000ダウンロードとしてカウントされます。
AI Horde: 寄付されたコンピューターで無料で画像を生成するボランティアネットワークです。モデルで作成した画像の数は公開されており、それぞれが1ダウンロードとしてカウントされます。
生成サイト: PixAI、SeaArt、Yodayoのように、自分のモデルのコピーをホストして人々が生成できるサイトです。これらのダウンロードはCivitaiのものと同じようにカウントされ、各生成実行が1ダウンロードとして数えられます。
OpenRouterトークン: ClaudeやGPTのようなAPI経由で提供されるテキストモデルはダウンロードする重みがなく、その利用はトークン数で測定されます。トークンとはOpenRouterを通じて読み書きされたテキストの断片で、OpenRouterは多くのアプリが利用するゲートウェイです。過去30日間のトークン数を10,000,000トークンごとに1ダウンロードとしてカウントします。出典：OpenRouter (openrouter.ai/rankings)、CC BY 4.0。
完全モデル（チェックポイント）: 重みそのもので、単独で生成を行うファイルです。アドオンがこれに依存しているためボーナスがつきます。
LoRAと埋め込み: 他人の重みを特定のスタイル、キャラクター、コンセプトに向けて調整する小さなアドオンファイルです。単独では動作しません。
ファミリーと重み: モデルが基づいているベースで、SD 1.5、SDXL、Flux、Wanなどがあります。すべてのモデルはそのファミリーの重みのリリース日を継承します。
年齢: ファミリーの重みがリリースされてからの経過時間に応じて減点されます：1年で150°、最大750°まで。古いダウンロードはリストの上位を凍結して積み上げられます。
ファミリーブースト: このサイトが現在推しているファミリーのLoRAに対する小さく制限された後押しで、常に内訳に表示されます。
代替スコア: まだソースから報告がないモデルに与えられる安定した最低値で、リストが完全なままでいられます。データのあるモデルより上位には決してなりません。
新着！(猶予期間): 7日未満の新しいモデルはスコアの代わりに「新着！」と表示され、ランキングには入りません。スコアは初日から計算されますが、1日目のモデルは非常に急速に成長するため、猶予期間なしでは常に昨日リリースされたモデルが今週の#1になってしまいます。
トレンド: ある期間におけるモデルの成長が、同じ期間の典型的なモデルの成長と比べてどうかを示します。典型より速ければ上昇、遅ければ下降と読みます。
典型的なモデル: カタログの真ん中にあたるモデルで、数値があるモデルの半分はこの期間により速く成長し、半分は遅く成長しています。