GLM-4.7-Flash
- 输入 输入模态: 文本 输出 输出模态: 文本
- 推理
- 可关闭推理
- 工具调用
- 结构化输出
- 开放权重
价格
3 个渠道报价 · 按标价显示 Z.ai API（在新标签页打开）
GLM-4.7-Flash| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | 免费 | 免费 | 免费 |
价格来源 智谱 BigModel：API 定价（在新标签页打开） (核对于 2026年11月2日)
Z.ai API（在新标签页打开）
GLM-4.7-Flash| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | 免费 | 免费 | 免费 |
价格来源 Pricing（在新标签页打开） (核对于 2026年11月1日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 知识截止
- 2025年4月
- 许可证
- mit
- 模型家族
- glm-flash
- 模型 ID
Zhipu AI 的页面未说明：最长输入, 推理档位, 最大思考预算, 内置工具, 别名。
本地运行
权重： zai-org/GLM-4.7-Flash- 参数 31.2B
- 激活 5.2B （估算） · 专家 64（每 token 4）
- 原生精度 BF16
- 层数 47
- 每 token 的 KV 缓存 53 KB
- 配置位置数 198K （config.json max_position_embeddings）
- API 上下文 195K （厂商 API）
在你的配置上 · GeForce RTX 4090
●流畅 Q4_K_M （自动） 8K 上下文 140–211 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 19.0 GB (权重 17.7 + KV 缓存 0.4 + 开销 0.9)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 140–211 tok/s (每 token 读激活的 5.2B)
- 最长上下文
- 59K (再长就放不下)
- 首 token
- 2K 提示约 0.17–0.25 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 58.2 GB | ≈ 61.5 | ○需放到内存 11–16 tok/s | — |
| Q8_0 | 30.9 GB | ≈ 32.9 | ○需放到内存 21–31 tok/s | — |
| FP8 | 29.1 GB | ≈ 30.9 | ○需放到内存 22–33 tok/s | — |
| Q6_K | 23.9 GB | ≈ 25.5 | ○需放到内存 43–65 tok/s | — |
| Q5_K_M | 20.7 GB | ≈ 22.1 | ○需放到内存 95–143 tok/s | — |
| Q5_0 | 20.0 GB | ≈ 21.4 | ●流畅 126–189 tok/s | 12K |
| Q4_K_M | 17.7 GB | ≈ 19.0 | ●流畅 140–211 tok/s | 59K |
| Q4_0 | 16.4 GB | ≈ 17.6 | ●流畅 150–225 tok/s | 86K |
| IQ4_XS | 15.4 GB | ≈ 16.6 | ●流畅 158–237 tok/s | 104K |
| Q3_K_M质量下降明显 | 14.2 GB | ≈ 15.3 | ●流畅 170–254 tok/s | 129K |
| IQ3_XXS质量下降明显 | 11.1 GB | ≈ 12.1 | ●流畅 208–312 tok/s | 192K |
| Q2_K质量下降明显 | 10.9 GB | ≈ 11.9 | ●流畅 211–317 tok/s | 195K |
| IQ2_XXS质量下降明显 | 7.5 GB | ≈ 8.4 | ●流畅 284–426 tok/s | 195K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 4090；统一内存 Apple M6 (24GB or 32GB) · 32 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 467.4 GB你的配置放不下
LoRA≈ 60.5 GB你的配置放不下
QLoRA≈ 18.7 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- LMArena Text 1,365
第 120 名，共 163 个上榜模型 · 置信区间 1,359–1,370 · 12,008 票
- Epoch AI · GPQA Diamond 60.5%
第 111 名，共 168 个上榜模型 · ±2.93
其他版本：reasoning off 45.1%
- Epoch AI · OTIS Mock AIME 2024–2025 58.3%
第 104 名，共 159 个上榜模型 · ±6.56
其他版本：reasoning off 25%
- EQ-Bench Creative Writing v3 1,139
第 78 名，共 93 个上榜模型
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年10月28日
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年11月4日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月28日
- 我们做的改动
变更
全部变更 →- Cloudflare Workers AI 上线报价 输入 $0.060 · 输出 $0.40
- Z.ai API, 中国站 上线报价 输入 免费 · 输出 免费 · 缓存读取 免费
来源
- Pricing（在新标签页打开） docs.z.ai · 核对于 2026年11月1日
- 智谱 BigModel：API 定价（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月2日
- 智谱 BigModel：GLM-4.7-FLASH（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月1日
- New Released（在新标签页打开） docs.z.ai · 核对于 2026年10月10日
- zai-org/GLM-4.7-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- models.dev: glm-4.7-flash (community data, MIT)（在新标签页打开） github.com · 核对于 2026年9月30日
- zai-org/GLM-4.7-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- Cloudflare Workers AI pricing（在新标签页打开） developers.cloudflare.com · 核对于 2026年10月31日
- zai-org/GLM-4.7-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- zai-org/GLM-4.7-Flash config.json（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- zai-org/GLM-4.7-Flash files（在新标签页打开） huggingface.co · 核对于 2026年11月4日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Zhipu AI · 中国 · z.ai
相关模型
快照、同系列与同厂商的其他模型