GLM-4.7 Flash
Z.ai · zai-org/GLM-4.7-Flash
Arquivo Q4 de 18,3 GB (Q4_K_M) · roda bem a partir de 32 GB · Licença dos pesos: MIT
Qualidade
- LMArena · texto · pontuação
- 1.365 ± 6Intervalo de confiança 1.359–1.370 · 12.013 votos · posição 203 da rodadaLMArena 2026-10-22 · CC BY 4.0
Sem resultado em LiveBench 2026-06-25 Sem resultado no LiveBench 2026-06-25
Informado pelo publicador
Valores como impressos na ficha, com a configuração do próprio publicador (seção da ficha: Introduction › Performances on Benchmarks); coluna “GLM-4.7-Flash”. Não comparáveis entre publicadores e fora de qualquer ranking. Ficha do modelo
Rodar
Rodar
Arquivo Q4_K_M · 18,3 GB · unsloth/GLM-4.7-Flash-GGUF · O que é Q4?
Medido 48,7 tok/s · Q8_0 · 1 máquina · llama.cpp benches/dgx-spark · todas as linhas
ollama run hf.co/unsloth/GLM-4.7-Flash-GGUF:Q4_K_M- Instale o Ollama
- Rode o comando acima
- Pergunte:
Explique o que é a janela de contexto, em duas frases.
Roda em
Cabe na memória rápida 42
A estimativa de planejamento cabe na memória que o modelo usa rápido: a VRAM da placa de vídeo, ou a memória unificada dentro da fatia de GPU do macOS.
Mostrar todos os 42
Na memória, fora da parte rápida 51
Dentro da memória da máquina, fora da parte rápida: na placa de vídeo, as camadas que não cabem rodam na CPU a partir da RAM do PC (a RAM informada, ou 32 GB presumidos); no Mac, acima da fatia de GPU padrão do macOS. Não é um número de velocidade.
Mostrar todos os 51
Falta um degrau de memória 9
As mesmas máquinas com o próximo tamanho de memória o comportariam na memória rápida.
Mostrar todos os 9
GLM-4.7 Flash é um modelo de texto da Z.ai com 30B de parâmetros, dos quais ~3B ativos por token (mistura de especialistas). Foi lançado em 19 de janeiro de 2026 e lê até 202.752 tokens de contexto. Os pesos em Q4 com a margem de trabalho somam cerca de 23 GB antes da reserva da máquina; as menores máquinas de referência cuja memória rápida comporta isso são Mac mini M4 · 32 GB unificados (~31 GB com a reserva) e RTX 5090 · 32 GB de VRAM (~25 GB com a reserva). Coletamos 31 arquivos GGUF e MLX para baixar de 3 fontes de publicadores; a fonte GGUF mais baixada é a de unsloth. Ele não tem resultado no LiveBench 2026-06-25. Sua pontuação de texto no LMArena é 1.365 ± 6 (rodada 2026-10-22), uma escala separada de preferência humana.
Perfis de hardware agrupados pela estimativa de planejamento Q4 em cada máquina (GPUs dedicadas reservam 2 GB; memória unificada e do sistema, 25%, de 2 a 8 GB): cabe na memória rápida, fica na memória mas fora da parte rápida (camadas na RAM do PC, ou acima da fatia de GPU do macOS), ou falta um degrau de memória. Cada cartão abre o perfil do hardware. Não é compatibilidade nem velocidade medida.
Nas máquinas de referência
| Onde fica o Q4 | ||||
|---|---|---|---|---|
| Mac mini M2 · 8 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~25 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M4 · 16 GB unificadosMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~27 GB | Maior que a memória | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| Mac mini M4 · 24 GB unificadosMaior que a memóriaQ3_K_M8.192 tokens | ~29 GB | Maior que a memória | Q3_K_M | 8.192 tokens |
| Mac mini M4 · 32 GB unificadosCabe na memória rápidaQ4_K_M32.768 tokens | ~31 GB | Cabe na memória rápida | Q4_K_M | 32.768 tokens |
| Mac mini M5 Pro · 64 GB unificadosCabe na memória rápidaQ8_0131.072 tokens | ~31 GB | Cabe na memória rápida | Q8_0 | 131.072 tokens |
| Mac Studio M5 Max · 128 GB unificadosCabe na memória rápidaQ8_0131.072 tokens | ~31 GB | Cabe na memória rápida | Q8_0 | 131.072 tokens |
| Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosCabe na memória rápidaQ8_0131.072 tokens | ~31 GB | Cabe na memória rápida | Q8_0 | 131.072 tokens |
| RTX 4060 · 8 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~25 GB | Na memória, fora da parte rápida | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 3060 · 12 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~25 GB | Na memória, fora da parte rápida | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 5080 · 16 GB de VRAMNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior | ~25 GB | Na memória, fora da parte rápida | Nenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokens | Sem arquivo na coluna anterior |
| RTX 4090 · 24 GB de VRAMNa memória, fora da parte rápidaIQ4_XS32.768 tokens | ~25 GB | Na memória, fora da parte rápida | IQ4_XS | 32.768 tokens |
| RTX 5090 · 32 GB de VRAMCabe na memória rápidaQ5_K_M65.536 tokens | ~25 GB | Cabe na memória rápida | Q5_K_M | 65.536 tokens |
| DGX H100 · 8 × 80 GBCabe na memória rápidaQ8_0131.072 tokens | ~39 GB | Cabe na memória rápida | Q8_0 | 131.072 tokens |
A coluna de arquivo usa a escada de quantização do site (Q8_0 a Q3_K_M; MLX de 8 a 4 bits no Mac): o maior arquivo coletado cujo tamanho × 1,2, mais o cache de contexto e a reserva da máquina, cabe na memória rápida. Estimativas de planejamento, não execuções medidas.
Compare GLM-4.7 Flash pela ficha do publicador. Não há nota geral no snapshot LiveBench 2026-06-25.
Os pesos em Q4 com a margem de trabalho somam cerca de 23 GB a partir de 30B parâmetros declarados, antes da reserva da máquina (Roda em soma a reserva de cada máquina). Não é um mínimo medido; contexto, lote, runtime e quantização mudam o uso real de memória.
Versões para baixar
Arquivos que você pode baixar deste checkpoint. A seção abre na fonte GGUF coletada mais baixada, unsloth, no arquivo Q4_K_M. Num Mac abre na fonte MLX mais baixada. Os tamanhos são os bytes publicados no Hub. O que é Q4?
unsloth
unsloth/GLM-4.7-Flash-GGUF · GLM-4.7-Flash-Q4_K_M.gguf · 18,3 GB
Rodar este arquivo
ollama run hf.co/unsloth/GLM-4.7-Flash-GGUF:Q4_K_Mllama-server -hf unsloth/GLM-4.7-Flash-GGUF:Q4_K_Mlms get https://huggingface.co/unsloth/GLM-4.7-Flash-GGUF- mlx-lm: O mlx-lm roda repositórios MLX; escolha a versão MLX num Mac
As notas de qualidade desta página pertencem ao checkpoint original; estes arquivos não recebem nota nem ranking. Tamanhos lidos em 2026-10-23 · downloads lidos em 2026-10-17 · comandos: Documentação do Hugging Face Hub: Ollama com qualquer modelo GGUF · README do servidor do llama.cpp (-hf <user>/<model>[:quant]) · Documentação do LM Studio: lms get com uma URL do Hugging Face · README do mlx-lm (mlx_lm.generate --model)
Ajustes, adaptadores e outras versões
- Versões quantizadas
- 107
- Ajustes (fine-tunes)
- 81
- Adaptadores · misturas
- 22 · 0
Ver na árvore de modelos do Hugging Face · lido em 2026-10-23
Versões sem filtro (uncensored, abliterated)
Algumas versões da comunidade removem as recusas de segurança do modelo. A qualidade pode cair, o publicador original não dá suporte, as afirmações sobre elas são de quem as publicou e a licença original continua valendo. Este site nunca as recomenda nem as ranqueia.
9 repositórios derivados têm “uncensored” ou “abliterated” no nome (lido em 2026-10-23).
Velocidade medida
Tokens por segundo por máquina
Saída em tok/s · 1 máquina · todas as linhas na tabela · O que é um token?
| DGX Spark | 48,68 ± 0,12 | Q8_0 | llama.cpp CUDA | ggml-org/GLM-4.7-Flash-GGUF · modelo do llama-bench “deepseek2 30B.A3B Q8_0” |
|---|
Fonte: llama.cpp benches/dgx-spark · resultado dos mantenedores (consultado 2026-10-25) · llama.cpp CUDA · llama.cpp commit 11fb327bf · não estimado
Como rodar
A memória necessária acima é a carga Q4 antes da reserva da máquina. Fórmula: parâmetros × 0,625 byte, mais 20% de margem; cada máquina soma então a reserva do sistema: 25% da memória unificada ou do sistema, de 2 a 8 GB, ou 2 GB por GPU em placas dedicadas. Não é VRAM medida nem tamanho do download do checkpoint.
Apenas estimativa de planejamento Q4. Verifique formato do checkpoint, suporte do runtime, cache KV, contexto, tamanho de lote e offload antes de escolher hardware.
Nível da evidência: Apenas estimativa genérica; nenhuma execução reproduzida por este site.
- Amostragem padrão do publicador
- temperature 1generation_config.json · lido em 2026-10-23fonte
- Marcadores do template de chat
- chamadas de ferramenta · raciocínio (thinking)marcadores encontrados no template, não um teste do recurso · lido em 2026-10-23fonte
Antes de baixar
- Confirme o checkpoint exato e a licença vinculada aqui.
- Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
- Reserve memória para contexto, lote e eventuais componentes de mídia além dos pesos.
Detalhes técnicos
O que a fonte e o catálogo guardam deste checkpoint. Campos ausentes ficam de fora, nunca como zero.
- Checkpoint / versão
- zai-org/GLM-4.7-Flash
- Tarefa e modalidade
- linguagem e raciocínio · texto
- Contagem e base
- 30B · especificação do fabricante · ~3B ativoszai-org/GLM-4.7-Flash model card (Hugging Face) · consultado em 2026-10-17fonte
- Contexto
- 202.752 tokens publicados para este modelozai-org/GLM-4.7-Flash config.json (Hugging Face) · consultado em 2026-10-09fonte
- Arquitetura
- MoEzai-org/GLM-4.7-Flash model card (Hugging Face) · consultado em 2026-10-17fonte
- Lançamento
- New Released - Z.AI DEVELOPER DOCUMENT · consultado em 2026-10-09fonte
- Runtime e precisão
- Nenhuma execução local verificada.
- Idiomas
- en, zhMetadados do model card · consultado em 2026-10-25fonte
- Uso comercial
- Permitido MIT license text (SPDX) · consultado em 2026-10-18texto da licença
Todos os campos guardados
- Revisão conferida
- 7dd20894a642a0aa287e9827cb1a1f7f91386b67
- Arquitetura
- Glm4MoeLiteForCausalLM
- Biblioteca
- transformers
- Tag de tarefa no Hub
- text-generation
- Formatos
- safetensors
- Acesso
- Download aberto
- Tipo de publicador
- Oficial
- Repositório criado
- 2026-01-19criação não é o lançamento do modelo
- Repositório atualizado
- 2026-01-29um commit não é data de lançamento
- Downloads no Hub (30 dias) · curtidas
- 953.714 · 1.888só este repositório · lido em 2026-10-25
- Estado no catálogo
- Config ou pesos encontrados no Hub; sem vínculo de benchmark no inventário
Fontes
Identidade e especificações publicadas vêm da página do checkpoint. As notas pertencem à rodada indicada e não medem velocidade no seu computador.
- Checkpoint e ficha do publicador
- Licença dos pesos e termos de uso
- Fonte do benchmark de qualidade · LiveBench 2026-06-25 geral
Catálogo revisado: 2026-10-17. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-09-26.



























































