智谱发布GLM-4.7-Flash开源模型，30B参数仅激活3B

2026-01-21 09:47

153

2026年1月20日，智谱AI发布了GLM-4.7-Flash，一个让整个社区沸腾的模型。总参数30B，激活参数仅3B，却达到了接近70B模型的性能。更让人激动的是：在智谱开放平台完全免费调用。

这意味着什么？你可以在一台24GB显存的GPU甚至Mac电脑上，运行一个性能媲美70B模型的AI助手。不用再为大模型的昂贵成本发愁，不用再担心数据隐私泄露。

GLM-4.7-Flash的核心秘密，就是混合专家架构（MoE）。

什么是MoE？

想象一个医院：医院里有30个医生，但每个患者看病时，只需要看3个最相关的科室。

MoE也是如此：

总参数30B：就像医院的30个医生，涵盖了所有领域的知识

激活参数3B：每次推理只调用3个最相关的专家，就像患者只看3个科室

这带来两个直接好处：

1.速度快

每次只计算3B参数，速度可达60-80+令牌/秒，比传统30B模型快10倍。

2.硬件要求低

24GB GPU或Mac M系列芯片就能跑，个人开发者也能负担得起。

多潜在注意力（MLA）：记住关键信息

除了MoE，GLM-4.7-Flash还使用了多潜在注意力机制（MLA）。

传统注意力：像一个人试图记住所有对话内容，大脑很快超载。

MLA：像做会议纪要，只提取关键信息，大幅降低记忆负担。

简单来说，MLA通过压缩注意力键值（KV Cache），在不损失性能的情况下，大幅降低显存占用。

这就让GLM-4.7-Flash在处理长文本时，依然保持高效。

🚀立即可用：本地部署命令

#使用ollama运行GLM-4.7-Flash

ollama pull glm4.7-flash

ollama run glm4.7-flash

#或者使用llama.cpp

llama-cli-m glm4.7-flash.gguf-p"你好"-n 100

性能怎么样？我们看实际数据。

在主流基准测试中，GLM-4.7-Flash的综合表现已经超过gpt-oss-20b和Qwen3-30B-A3B-Thinking-2507。

更令人惊讶的是，在SWE-bench Verified、τ-Bench等专业基准测试中，它取得了开源SOTA分数。

这就是为什么社区评价它为"70B以下最佳模型"。

好文章，需要你的鼓励