智譜新模型也用DeepSeek的MLA，蘋果M5就能跑

夢晨 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI

智譜AI上市后，再發(fā)新成果。

開源輕量級大語言模型GLM-4.7-Flash，直接替代前代GLM-4.5-Flash，API免費(fèi)開放調(diào)用。

這是一個30B總參數(shù)、僅3B激活參數(shù)的混合專家（MoE）架構(gòu)模型，官方給它的定位是“本地編程與智能體助手”。

在SWE-bench Verified代碼修復(fù)測試中，GLM-4.7-Flash拿下59.2分，“人類最后的考試”等評測中也顯著超越同規(guī)模的Qwen3-30B和GPT-OSS-20B。

作為去年12月發(fā)布的旗艦?zāi)Ｐ虶LM-4.7的輕量化版本，GLM-4.7-Flash繼承了GLM-4系列在編碼和推理上的核心能力，同時針對效率做了專門優(yōu)化。

除了編程，官方還推薦將這個模型用于創(chuàng)意寫作、翻譯、長上下文任務(wù)，甚至角色扮演場景。

30B參數(shù)只激活3B，MLA架構(gòu)首次上線

GLM-4.7-Flash沿用了該系列的”混合思考模型”的設(shè)計。

總參數(shù)量300億，但實際推理時僅激活約30億參數(shù)，使模型在保持能力的同時大幅降低計算開銷。

上下文窗口支持到200K，既可以云端API調(diào)用，也支持本地部署。

目前官方還沒有給出技術(shù)報告，更多細(xì)節(jié)還要從配置文件自己挖掘。

有開發(fā)者注意到一個重要細(xì)節(jié)：GLM團(tuán)隊這次首次采用了MLA（Multi-head Latent Attention）架構(gòu)。這一架構(gòu)此前由DeepSeek-v2率先使用并驗證有效，如今智譜也跟進(jìn)了。

從具體結(jié)構(gòu)來看，GLM-4.7-Flash的深度與GLM-4.5 Air和Qwen3-30B-A3B接近，但專家數(shù)量有所不同——它采用64個專家而非128個，激活時只調(diào)用5個（算上共享專家）。

目前發(fā)布不到12小時，HuggingFace、vLLM等主流平臺就提供了day0支持。

官方也在第一時間提供了對華為昇騰NPU的支持。

本地部署方面，經(jīng)開發(fā)者實測在32GB統(tǒng)一內(nèi)存、M5芯片的蘋果筆記本上能跑到43 token/s的速度。

官方API平臺上基礎(chǔ)版GLM-4.7-Flash完全免費(fèi)（限1個并發(fā)），高速版GLM-4.7-FlashX價格也相當(dāng)白菜。

對比同類模型，在上下文長度支持和輸出token價格上有優(yōu)勢，但目前延遲和吞吐量還有待優(yōu)化。

HuggingFace：
https://huggingface.co/zai-org/GLM-4.7-Flash

[1]https://x.com/Zai_org/status/2013261304060866758智譜新模型也用DeepSeek的MLA，蘋果M5就能跑