01功能特性
优点
- SWE-bench Verified 59.2 — 位居 30B 级别前列
- MIT 许可证，使用完全自由
- 约 3B 活跃参数：在 3090/4090 上为 60–100 token/s
- 128k 上下文
需了解的局限性
- —Q4量化版本仅19GB，仅对应16GB显存
- —在法语表达上不如 Qwen/Mistral 自然
架构
MoE 总参数量 31.2B · 约 3B 活跃参数（glm4_moe_lite）· 128k 上下文
训练
属于智谱 AI / Z.ai 的 GLM 4.7 系列。Flash 版本面向代码和智能体任务：在发布时，是 30B 级别中最强的模型。
最适合的场景
代码（30B 级别）编程智能体多语言 zh / en
05安装
安装 Ollama 适用于您的操作系统。下载前请检查模型及其量化方式。从 4096 tokens 的上下文开始，然后使用 ollama ps 检查模型的加载位置。下方列出的命令并不能证明已在您的机器上执行过测试。
$ollama run glm-4.7-flash
LM Studio
图形界面，无需命令行操作
→ 查看指南
llama.cpp
原始性能，从源码构建
→ 查看指南
vLLM
兼容 OpenAI 的生产级服务器
→ 查看指南
Jan / GPT4All
一体化桌面应用
→ 查看指南
⚠
首次下载：根据所选量化方式，大小在 2 到 40 GB 之间。请预留磁盘空间，建议使用稳定的网络连接。后续启动将即时完成。
02所需内存
运行此模型所需的大致 GPU 显存容量，已包含 4k tokens 的上下文开销。如需更长的上下文，每增加 8k tokens，请额外预留约 1 GB。
Q4_K_M
最轻量，损失约 5%
19 GB
Q5_K_M
质量/体积的良好平衡
23 GB
Q8_0
几乎无法与 FP16 区分
35 GB
FP16
全精度 — 服务器用途
62 GB
CPU 回退 · 如果您没有 GPU，请预留 33 GB 内存 以较低速度运行此模型的最低要求。
运行GLM 4.7 Flash需要什么硬件？
在本地以Q4量化运行GLM 4.7 Flash，大约需要19 GB 显存。可供比较的硬件选项：GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) — 请为系统和上下文保留余量，并确认推理引擎与GPU兼容。
当前在售产品： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395)
Amazon查看价格 →为什么选择它？我们的完整资料： GMKtec EVO-X2 64GB / 1TB (Ryzen AI Max+ 395) →
联盟链接——您无需承担额外费用，我们可能获得佣金，推荐保持独立。作为亚马逊合作伙伴，哪个LLM会从符合条件的购买中获益。
移动场景： GLM 4.7 Flash 也可在以下设备上运行 RTX 笔记本电脑 (24 GB 显存）→
03预期速度
Q4_K_M 量化下每秒生成的 tokens 数，上下文为 4k。超过 20 t/s，阅读体验舒适。低于 10 t/s，仅用于测试。
04公开基准测试
分数引自模型卡片或 MMLU-Pro / 社区数据。单位：正确回答百分比。
SWE-Bench Verified
59.2
LiveCodeBench v6
64