Zhipu AI GLM 4.7 Flash — free-tier lightweight model (30B total, 3B active MoE). Strong reasoning despite small active params. Rate-limited concurrency.
GLM-4.7-Flash — полностью бесплатная модель с открытыми весами из семейства GLM-4.7 от Zhipu AI. Архитектура Mixture-of-Experts (30B-A3B): 31B параметров суммарно, из которых активируется лишь ~3B на токен. Это обеспечивает производительность, сопоставимую с гораздо большими плотными моделями, при развёртывании на одной видеокарте RTX 4090. Контекстное окно — 200K токенов, максимальный объём генерации — 128K токенов.
Модель ориентирована на задачи программирования, агентных рабочих процессов и многошагового рассуждения. В неё введён режим Preserved Thinking — механизм сохранения внутренней цепочки рассуждений между ходами диалога, особенно полезный для долгих задач с инструментами (SWE-bench-стиль, τ²-Bench). На SWE-bench Verified модель набрала 59.2% — наивысший результат среди 30B-класса на момент выхода.
На TheRouter GLM-4.7-Flash доступен по цене $0 за миллион токенов (вход и выход) — идеальный вариант для команд, которым нужна мощная модель с открытыми весами без дополнительных затрат. Вариант FlashX (zhipu/glm-4.7-flashx) предлагает более высокую конкурентность за $0.12/$0.60 за миллион токенов для производственных нагрузок, исчерпывающих ограниченную конкурентность Flash.
Данные о цене недоступны.
| Архитектура | 30B-A3B Mixture-of-Experts (glm4_moe_lite); 31B параметров всего, ~3B активных на один проходhuggingface.co/zai-org/GLM-4.7-Flash ↗ | проверено |
| Контекстное окно | 200K токенов (202 752)docs.z.ai ↗ | проверено |
| Максимальный объём генерации | 128K токенов (131 072)docs.z.ai ↗ | проверено |
| Точность / тип тензора | BF16 и F32huggingface.co/zai-org/GLM-4.7-Flash ↗ | проверено |
| Лицензия | MIThuggingface.co/zai-org/GLM-4.7-Flash ↗ | проверено |
| Поддерживаемые языки | Английский, китайскийhuggingface.co/zai-org/GLM-4.7-Flash ↗ | проверено |
| Поддерживаемые фреймворки | vLLM (main branch), SGLang (main branch), Hugging Face Transformers (main branch)huggingface.co/zai-org/GLM-4.7-Flash ↗ | проверено |
| Требования к VRAM | Один RTX 4090 (24 ГБ) — возможно благодаря разреженной активации MoEawesomeagents.ai ↗ | к проверке |
| Цена на TheRouter | $0.00 / 1M входных токенов, $0.00 / 1M выходных токенов (бесплатный уровень)docs.z.ai ↗ | проверено |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
SWE-bench Verified Temperature 0.7, top-p 1.0, max new tokens 16384 | 59.2%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
τ²-Bench (tau2-Bench) Temperature 0, max new tokens 16384; режим Preserved Thinking включён | 79.5%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
AIME 2025 Temperature 1.0, top-p 0.95, max new tokens 131072 | 91.6%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
GPQA-Diamond Temperature 1.0, top-p 0.95, max new tokens 131072 | 75.2%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
LCB v6 (LiveCodeBench) Temperature 1.0, top-p 0.95, max new tokens 131072 | 64.0 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
HLE (Humanity's Last Exam) Temperature 1.0, top-p 0.95, max new tokens 131072 | 14.4%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
BrowseComp Temperature 1.0, top-p 0.95, max new tokens 131072 | 42.8%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ |
Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "zhipu/glm-4.7-flash",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'GLM-4.7-Flash полностью совместима с OpenAI API. Замените имя модели и укажите baseURL на TheRouter — существующий код SDK будет работать без изменений.
curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zhipu/glm-4.7-flash",
"messages": [{"role": "user", "content": "Explain MoE architectures in one paragraph."}]
}'Zhipu AI запустила GLM-4.7-Flash — модель MoE 30B-A3B, установившую новый рекорд класса 30B на SWE-bench Verified (59.2%) и τ²-Bench (79.5%), полностью бесплатную через API Z.AI и работающую на одном RTX 4090.
Да. GLM-4.7-Flash оценивается в $0.00 за миллион токенов (вход и выход) на TheRouter и напрямую в Z.AI API. Бесплатный уровень имеет ограниченную конкурентность; для производственных нагрузок с высокой пропускной способностью используйте zhipu/glm-4.7-flashx за $0.12/$0.60 за миллион токенов.
Режим Preserved Thinking сохраняет внутреннюю цепочку рассуждений модели между ходами диалога. Z.AI рекомендует включать его для многоходовых агентных задач — таких как τ²-Bench и Terminal Bench 2 — где модели нужно помнить промежуточные результаты инструментов и решения из предыдущих ходов. Для однократных вопросов и ответов или простой генерации кода это не нужно.
GLM-4.7-Flash — облегчённый бесплатный вариант: 30B суммарно / 3B активных MoE, работает на одном RTX 4090, цена $0. Полный GLM-4.7 — флагман с 355B суммарно / 32B активных, более высокий ценовой уровень, более сильная абсолютная производительность. Оба имеют контекстное окно 200K и лимит вывода 128K.
Да. Веса модели опубликованы на HuggingFace (zai-org/GLM-4.7-Flash) под лицензией MIT. Поддерживаются vLLM (main branch), SGLang (main branch) и Hugging Face Transformers (main branch). Разреженная активация MoE удерживает активный параметрический след на уровне ~3B, что помещается на одном RTX 4090 (24 ГБ).
Обе используют одну архитектуру 30B-A3B MoE. Flash — бесплатный вариант с ограниченным числом слотов конкурентности — подходит для разработки, прототипирования и малонагруженного производства. FlashX (zhipu/glm-4.7-flashx) — платный вариант за $0.12/$0.60 за миллион входных/выходных токенов, обеспечивающий более высокую пропускную способность для производственных нагрузок.
| источник | URL | получено | |
|---|---|---|---|
| Архитектура | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Контекстное окно | docs.z.ai ↗ | 2026-06-09 | проверено |
| Максимальный объём генерации | docs.z.ai ↗ | 2026-06-09 | проверено |
| Точность / тип тензора | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Лицензия | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Поддерживаемые языки | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Поддерживаемые фреймворки | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Требования к VRAM | awesomeagents.ai ↗ | 2026-06-09 | к проверке |
| Цена на TheRouter | docs.z.ai ↗ | 2026-06-09 | проверено |
| SWE-bench Verified | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| τ²-Bench (tau2-Bench) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| AIME 2025 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| GPQA-Diamond | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| LCB v6 (LiveCodeBench) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| HLE (Humanity's Last Exam) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| BrowseComp | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | проверено |
| Zhipu AI выпускает GLM-4.7-Flash: лучшая агентная модель класса 30B без затрат | marktechpost.com ↗ | 2026-06-09 | проверено |
| GLM-4.7-Flash действительно бесплатна на TheRouter? | docs.z.ai ↗ | 2026-06-09 | к проверке |
| Что такое режим Preserved Thinking и когда его следует использовать? | docs.z.ai/guides/capabilities/thinking-mode ↗ | 2026-06-09 | к проверке |
| Как GLM-4.7-Flash сравнивается с полным GLM-4.7? | docs.z.ai ↗ | 2026-06-09 | к проверке |
| Могу ли я запустить GLM-4.7-Flash локально на собственном GPU? | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | к проверке |
| В чём разница между GLM-4.7-Flash и GLM-4.7-FlashX? | docs.z.ai ↗ | 2026-06-09 | к проверке |