2026-01-20
智谱 AI 发布 GLM-4.7-Flash：零成本最强 30B 级 Agent 模型
智谱 AI 发布 GLM-4.7-Flash，这款 30B-A3B MoE 模型在 SWE-bench Verified（59.2%）和 τ²-Bench（79.5%）上创下 30B 级新高，同时通过 Z.AI API 完全免费，可在单张 RTX 4090 上部署。
TheRouter 编辑重写marktechpost.com ↗
返回模型列表
GLM 4.7 Flash
zhipuzhipu/glm-4.7-flash
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 是智谱 AI 在 GLM-4.7 系列中推出的完全免费开源模型。它采用 30B-A3B 混合专家架构（共 31B 参数，每次推理仅激活约 3B），以极低的计算成本实现了与大参数稠密模型相当的性能，可在单张 RTX 4090 上本地部署。上下文窗口达 200K token，最大输出 128K token。
该模型专为编程、代理工作流和多步推理而设计。它引入了「保留思维模式」（Preserved Thinking），能够在多轮对话中保留内部推理链，特别适合 SWE-bench 风格的代码修复和 τ²-Bench 多轮 Agent 任务等长视野工具调用场景。GLM-4.7-Flash 在 SWE-bench Verified 上得分 59.2%，是发布时 30B 级模型中的最高成绩。
在 TheRouter 上，GLM-4.7-Flash 的输入和输出均为 $0/百万 token，是需要高能力开源模型且希望零增量成本的团队的理想默认选项。如果需要更高并发，可使用 FlashX 变体（zhipu/glm-4.7-flashx），定价为 $0.12/$0.60 每百万 token。
适合使用
- • 代理式编程任务 — SWE-bench 风格 Bug 修复、多文件编辑、终端自动化，59.2% 的验证准确率是关键优势
- • 需要跨轮次保留推理链的多轮 Agent 流水线（τ²-Bench 得分 79.5%）
- • 零成本数学推理 — AIME 2025 得分 91.6%，媲美前沿模型，完全免费
- • 单张 RTX 4090 本地自托管 — MoE 稀疏激活带来极低显存占用
- • 有免费套餐预算限制、同时需要强大编程与推理能力的团队
不适合使用
- • 多模态（视觉）任务 — GLM-4.7-Flash 仅支持文本；图像理解请使用 zhipu/glm-4.6v-flash
- • 需要保证并发的高吞吐生产流水线 — Flash 并发受限，请改用 FlashX（zhipu/glm-4.7-flashx）
- • 严格的数据驻留或 SLA 要求 — 免费套餐不提供企业级保障；可考虑通过 TheRouter 使用 BYOK 方案
- • 向量嵌入或图像生成工作负载 — 仅支持文本生成；请参阅 zhipu/embedding-3 或 zhipu/cogview-4
上下文长度
203K
最大输出
131K
模态能力
文本→文本
价格明细
暂无定价信息。
支持参数
temperaturemax_tokenstop_ptoolstool_choiceresponse_formatstop
模型规格
| 架构 | 30B-A3B 混合专家架构（glm4_moe_lite）；共 31B 参数，每次前向传播约 3B 激活huggingface.co/zai-org/GLM-4.7-Flash ↗ | 已核实 |
| 上下文窗口 | 200K token（202,752）docs.z.ai ↗ | 已核实 |
| 最大输出 token 数 | 128K token（131,072）docs.z.ai ↗ | 已核实 |
| 精度 / 张量类型 | BF16 与 F32huggingface.co/zai-org/GLM-4.7-Flash ↗ | 已核实 |
| 许可证 | MIThuggingface.co/zai-org/GLM-4.7-Flash ↗ | 已核实 |
| 支持语言 | 英语、中文huggingface.co/zai-org/GLM-4.7-Flash ↗ | 已核实 |
| 推理框架支持 | vLLM（主分支）、SGLang（主分支）、Hugging Face Transformers（主分支）huggingface.co/zai-org/GLM-4.7-Flash ↗ | 已核实 |
| 本地显存需求 | 单张 RTX 4090（24 GB）— 得益于 MoE 稀疏激活awesomeagents.ai ↗ | 待核实 |
| TheRouter 定价 | 输入 $0.00 / 百万 token，输出 $0.00 / 百万 token（免费套餐）docs.z.ai ↗ | 已核实 |
基准成绩
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
SWE-bench Verified temperature 0.7，top-p 1.0，最大新 token 16384 | 59.2%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
τ²-Bench (tau2-Bench) temperature 0，最大新 token 16384；启用保留思维模式 | 79.5%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
AIME 2025 temperature 1.0，top-p 0.95，最大新 token 131072 | 91.6%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
GPQA-Diamond temperature 1.0，top-p 0.95，最大新 token 131072 | 75.2%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
LCB v6 (LiveCodeBench) temperature 1.0，top-p 0.95，最大新 token 131072 | 64.0 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
HLE (Humanity's Last Exam) temperature 1.0，top-p 0.95，最大新 token 131072 | 14.4%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ | |
BrowseComp temperature 1.0，top-p 0.95，最大新 token 131072 | 42.8%% | huggingface.co/zai-org/GLM-4.7-Flash ↗ |
API 使用示例
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
cURL
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."}
]
}'API 使用指南
完整 API 参考 →基础对话补全
GLM-4.7-Flash 完全兼容 OpenAI API。只需更换模型名称并将 baseURL 指向 TheRouter，现有 SDK 代码无需修改即可运行。
cURL
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 其他模型
同类模型
跨供应商的相似能力档位动态与变更
常见问题
GLM-4.7-Flash 在 TheRouter 上真的免费吗？
是的。GLM-4.7-Flash 在 TheRouter 和 Z.AI API 上输入和输出均为每百万 token $0.00。免费套餐并发受限；如需更高吞吐量的生产工作负载，请使用每百万 token $0.12/$0.60 的 zhipu/glm-4.7-flashx。
什么是「保留思维模式」，何时应该使用它？
保留思维模式会在多轮对话中保留模型的内部推理链。Z.AI 建议在多轮代理任务（如 τ²-Bench 和 Terminal Bench 2）中启用，这些场景下模型需要记住早期轮次的中间工具结果和决策。对于单轮问答或简单代码生成，则无需启用。
GLM-4.7-Flash 与完整版 GLM-4.7 相比如何？
GLM-4.7-Flash 是轻量级免费版：30B 总参数 / 3B 激活 MoE，可在单张 RTX 4090 上部署，免费。完整版 GLM-4.7 是旗舰款，355B 总参数 / 32B 激活，价格更高，性能绝对值更强。两者均有 200K 上下文窗口和 128K 输出限制。
我可以在自己的 GPU 上本地运行 GLM-4.7-Flash 吗？
是的。模型权重以 MIT 许可证发布在 HuggingFace（zai-org/GLM-4.7-Flash）上。支持 vLLM（主分支）、SGLang（主分支）和 Hugging Face Transformers（主分支）。MoE 稀疏激活将活跃参数量保持在约 3B，可在单张 24 GB RTX 4090 上运行。
GLM-4.7-Flash 和 GLM-4.7-FlashX 有什么区别？
两者使用相同的 30B-A3B MoE 架构。Flash 是免费版，并发槽位有限制，适合开发、原型验证和低流量生产。FlashX（zhipu/glm-4.7-flashx）是付费版，每百万输入/输出 token 收费 $0.12/$0.60，为生产工作负载提供更高吞吐量。
事实档案 — 本页每条断言可在此回溯来源
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 架构 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 上下文窗口 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 最大输出 token 数 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 精度 / 张量类型 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 许可证 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 支持语言 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 推理框架支持 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 本地显存需求 | awesomeagents.ai ↗ | 2026-06-09 | 待核实 |
| TheRouter 定价 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| SWE-bench Verified | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| τ²-Bench (tau2-Bench) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| AIME 2025 | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| GPQA-Diamond | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| LCB v6 (LiveCodeBench) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| HLE (Humanity's Last Exam) | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| BrowseComp | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 已核实 |
| 智谱 AI 发布 GLM-4.7-Flash：零成本最强 30B 级 Agent 模型 | marktechpost.com ↗ | 2026-06-09 | 已核实 |
| GLM-4.7-Flash 在 TheRouter 上真的免费吗？ | docs.z.ai ↗ | 2026-06-09 | 待核实 |
| 什么是「保留思维模式」，何时应该使用它？ | docs.z.ai/guides/capabilities/thinking-mode ↗ | 2026-06-09 | 待核实 |
| GLM-4.7-Flash 与完整版 GLM-4.7 相比如何？ | docs.z.ai ↗ | 2026-06-09 | 待核实 |
| 我可以在自己的 GPU 上本地运行 GLM-4.7-Flash 吗？ | huggingface.co/zai-org/GLM-4.7-Flash ↗ | 2026-06-09 | 待核实 |
| GLM-4.7-Flash 和 GLM-4.7-FlashX 有什么区别？ | docs.z.ai ↗ | 2026-06-09 | 待核实 |