Pular para o conteúdo
Local AI Wizard
Sua máquina
Tema

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

LMArena · texto1.365 ± 6Posição 203 · rodada 2026-10-22 · escala própria
Memória necessária~23 GBPesos Q4 + margem, antes da reserva da máquina
Parâmetros30 Bespecificação do fabricante · ~3B ativos
Contexto202.752 tokensPublicado para este modelo

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

7 resultados · ficha de Z.ai · lida em 2026-10-25
AIME 25
91,6
GPQA
75,2
LCB v6
64,0
HLE
14,4
SWE-bench Verified
59,2
τ²-Bench
79,5
BrowseComp
42,8

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
  1. Instale o Ollama
  2. Rode o comando acima
  3. 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

GLM-4.7 Flash 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 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem 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 GBMaior que a memóriaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
Mac mini M4 · 24 GB unificadosMaior que a memóriaQ3_K_MGGUF · 14,6 GB · precisa de ~24 GB8.192 tokens~29 GBMaior que a memóriaQ3_K_MGGUF · 14,6 GB · precisa de ~24 GB8.192 tokens
Mac mini M4 · 32 GB unificadosCabe na memória rápidaQ4_K_MGGUF · 18,3 GB · precisa de ~31 GB32.768 tokens~31 GBCabe na memória rápidaQ4_K_MGGUF · 18,3 GB · precisa de ~31 GB32.768 tokens
Mac mini M5 Pro · 64 GB unificadosCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 tokens
Mac Studio M5 Max · 128 GB unificadosCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 tokens
Mac Studio · M5 Ultra · CPU de 36 núcleos / GPU de 80 núcleos · 512 GB unificadosCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 tokens~31 GBCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~47 GB131.072 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 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem 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 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem 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 GBNa memória, fora da parte rápidaNenhum arquivo da escada de quantização do site cabe na memória rápida com 8.192 tokensSem arquivo na coluna anterior
RTX 4090 · 24 GB de VRAMNa memória, fora da parte rápidaIQ4_XSGGUF · 16,3 GB · precisa de ~22 GB32.768 tokens~25 GBNa memória, fora da parte rápidaIQ4_XSGGUF · 16,3 GB · precisa de ~22 GB32.768 tokens
RTX 5090 · 32 GB de VRAMCabe na memória rápidaQ5_K_MGGUF · 21,4 GB · precisa de ~29 GB65.536 tokens~25 GBCabe na memória rápidaQ5_K_MGGUF · 21,4 GB · precisa de ~29 GB65.536 tokens
DGX H100 · 8 × 80 GBCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~55 GB131.072 tokens~39 GBCabe na memória rápidaQ8_0GGUF · 31,8 GB · precisa de ~55 GB131.072 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.

Planejar outra quantização ou contexto

Considere para

Compare GLM-4.7 Flash pela ficha do publicador. Não há nota geral no snapshot LiveBench 2026-06-25.

Confira antes

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_M
llama-server -hf unsloth/GLM-4.7-Flash-GGUF:Q4_K_M
lms 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 versões81 ajustes
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)9

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_048,7
Velocidade medida
DGX SparkDGX Spark · 1× NVIDIA GB1048,68 ± 0,12Q8_00 / 32 · Um processo llama-bench; concorrência de servidor não medidallama.cpp CUDAllama.cpp commit 11fb327bfFlash Attention ativadoggml-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
  1. Confirme o checkpoint exato e a licença vinculada aqui.
  2. Confirme runtime e precisão ou quantização compatíveis com sua plataforma.
  3. 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 guardados11 campos
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.

Catálogo revisado: 2026-10-17. Versão do benchmark: 2026-06-25; snapshot coletado: 2026-09-26.