Pot rula GLM-4.7-Flash local?

Da, greutățile sunt deschise și găzduite pe Hugging Face la zai-org/GLM-4.7-Flash. Z.ai suportă inferența locală prin vLLM, SGLang și biblioteca Transformers, deși suportul vLLM și SGLang necesită branch-urile main sau nightly, nu o versiune stabilă.

Cât costă GLM-4.7-Flash și cât este fereastra de context?

Prin API-ul Z.ai costă 0,06 USD per milion tokeni de intrare și 0,40 USD per milion tokeni de ieșire, cu o fereastră de context de 200.000 tokeni.

Cum diferă GLM-4.7-Flash de GLM-4.7?

GLM-4.7-Flash este varianta mai ușoară, axată pe eficiență din familia GLM-4.7, folosind o arhitectură MoE cu doar 3B parametri activi din totalul de 30B. GLM-4.7 este modelul complet; Z.ai poziționează Flash ca opțiunea când ai nevoie de costuri mai mici de implementare fără a sacrifica prea mult la sarcinile agentice de codare.

GLM 4.7 Flash

3598°

#llm #z-ai #raționament #programare #agenți #context lung

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

Z.ai | context de 200.000 tokeni | 0,06$/M input, 0,40$/M output. Ca model SOTA de clasă 30B, GLM-4.7-Flash oferă o nouă opțiune care echilibrează performanța și eficiența. Este optimizat suplimentar pentru cazuri de utilizare agentice de programare, consolidând capacitățile de programare, planificarea sarcinilor pe termen lung și colaborarea cu unelte, și a atins performanțe de top printre modelele open-source de aceeași dimensiune pe mai multe leaderboard-uri publice actuale.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Greutăți deschise vs open source vs doar API: ce ai voie să faci cu adevărat

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

GLM-4.7-Flash este un model MoE de clasă 30B de la Z.ai cu doar 3B parametri activi, construit în jurul codării agentice și planificării sarcinilor pe termen lung. Cifrele sale de benchmark față de Qwen3-30B-A3B și GPT-OSS-20B sunt remarcabile, în special pe SWE-bench Verified și sarcini agentice multi-turn. Greutățile deschise, o fereastră de context de 200K și prețuri API scăzute îl fac demn de luat în serios dacă rulezi agenți de codare sau ai nevoie de un model capabil pe care să-l găzduiești singur.

Cunoscut pentru

Scor SWE-bench Verified de 59,2, mult peste modelele open comparabile
Performanță puternică la sarcini agentice multi-turn pe τ²-Bench
Fereastră de context de 200.000 tokeni pentru documente lungi și sarcini extinse
Arhitectură MoE: 30B total, 3B activi, eficient pentru rulare locală
Greutăți deschise, implementabile prin vLLM, SGLang sau Transformers

Atenție la

Suportul vLLM și SGLang este doar pe branch-urile main/nightly, nu în versiuni stabile încă
Modul Preserved Thinking este necesar pentru sarcini agentice multi-turn; ușor de omis la configurare
Termenii licenței nu sunt detaliați în materialele publicate; verifică repo-ul înainte de utilizare comercială

Cel mai bun pentru

Programare

Agenți și utilizare unelte

Raționament

Context lung

Rulează local

Sugestii de încercat

Depanează un test care eșuează

Iată o funcție Python și un test pytest care eșuează cu AssertionError. Identifică bug-ul, explică de ce cauzează eșecul și returnează doar versiunea corectată a funcției. def calculate_discount(price, pct): return price - (price * pct) def test_discount(): assert calculate_discount(100, 10) == 90

Planifică o sarcină agentică în mai mulți pași

Ești un agent autonom de codare. Un depozit al unui utilizator nu are suită de teste. Conturează un plan concret, pas cu pas, pentru: auditarea codului pentru unități testabile, scrierea testelor pytest pentru cele trei funcții cu cel mai mare risc, rularea lor, interpretarea eșecurilor și deschiderea unui pull request cu un sumar. Listează fiecare apel de unealtă pe care l-ai face și ce te aștepți să returneze.

Raționează printr-un puzzle logic

Cinci ingineri preferă fiecare un limbaj de programare diferit: Python, Rust, Go, TypeScript, JavaScript. Folosește aceste indicii pentru a determina cine preferă ce limbaj: Alice nu stă lângă fanul Rust. Bob preferă un limbaj compilat. Carol stă între fanii Python și Go. Dave nu preferă JavaScript. Eve stă la un capăt și preferă un limbaj de scripting.

Compară cu

GLM 5.3 FlashX
Model doar API
context de 1,048,576 tokeni · $0.37/M intrare, $1.25/M ieșire
GLM 5V Turbo
Model doar API
context de 202,752 tokeni · $1.20/M intrare, $4.00/M ieșire
GLM 5 Turbo
Model doar API
context de 202,752 tokeni · $1.20/M intrare, $4.00/M ieșire
GLM 5.3 Prime
Model doar API
context de 1,000,000 tokeni · $2.80/M intrare, $8.80/M ieșire

Mai multe modele text de la z-ai

Întrebări frecvente

Pot rula GLM-4.7-Flash local?: Da, greutățile sunt deschise și găzduite pe Hugging Face la zai-org/GLM-4.7-Flash. Z.ai suportă inferența locală prin vLLM, SGLang și biblioteca Transformers, deși suportul vLLM și SGLang necesită branch-urile main sau nightly, nu o versiune stabilă.
Cât costă GLM-4.7-Flash și cât este fereastra de context?: Prin API-ul Z.ai costă 0,06 USD per milion tokeni de intrare și 0,40 USD per milion tokeni de ieșire, cu o fereastră de context de 200.000 tokeni.
Cum diferă GLM-4.7-Flash de GLM-4.7?: GLM-4.7-Flash este varianta mai ușoară, axată pe eficiență din familia GLM-4.7, folosind o arhitectură MoE cu doar 3B parametri activi din totalul de 30B. GLM-4.7 este modelul complet; Z.ai poziționează Flash ca opțiunea când ai nevoie de costuri mai mici de implementare fără a sacrifica prea mult la sarcinile agentice de codare.

Verdictul căpitanului
Dacă codarea agentică este sarcina ta și vrei greutăți deschise la un preț mic, GLM-4.7-Flash are cifrele care susțin această alegere.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Modele AI pentru generare de imagini, video și text

GLM 4.7 Flash este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm z-ai raționament programare agenți context lung local

Răsfoiește după familia de modele