GLM-4.7-Flash es un nuevo miembro de la familia GLM 4.7 y está dirigido a desarrolladores que desean un rendimiento sólido de codificación y razonamiento en un modelo que sea práctico de ejecutar localmente. Zhipu AI (Z.ai) describe GLM-4.7-Flash como un modelo MoE 30B-A3B y lo presenta como el modelo más potente de la clase 30B, diseñado para una implementación liviana donde el rendimiento y la eficiencia son importantes.
Clase de modelo y posición dentro de la familia GLM 4.7
GLM-4.7-Flash es un modelo de generación de texto con parámetros 31B, tipos de tensor BF16 y F32 y la etiqueta de arquitectura glm4_moe_lite. Admite inglés y chino y está configurado para uso conversacional. GLM-4.7-Flash se encuentra en la colección GLM-4.7 junto a los modelos más grandes GLM-4.7 y GLM-4.7-FP8.
Z.ai posiciona a GLM-4.7-Flash como una opción de implementación liviana y de nivel gratuito en relación con el modelo GLM-4.7 completo, sin dejar de enfocarse en tareas de codificación, razonamiento y generación de texto general. Esto lo hace interesante para los desarrolladores que no pueden implementar un modelo de clase 358B pero aún desean un diseño MoE moderno y resultados de referencia sólidos.
Arquitectura y longitud del contexto.
En una arquitectura Mixta de Expertos de este tipo, el modelo almacena más parámetros de los que activa para cada token. Eso permite la especialización entre expertos y al mismo tiempo mantiene el cálculo efectivo por token más cerca de un modelo denso más pequeño.
GLM 4.7 Flash admite una longitud de contexto de 128 000 tokens y logra un sólido rendimiento en pruebas comparativas de codificación entre modelos de escala similar. Este tamaño de contexto es adecuado para bases de código grandes, repositorios de múltiples archivos y documentos técnicos extensos, donde muchos modelos existentes necesitarían una fragmentación agresiva.
GLM-4.7-Flash utiliza una interfaz de modelado de lenguaje causal estándar y una plantilla de chat, que permite la integración en pilas LLM existentes con cambios mínimos.
Rendimiento de referencia en la clase 30B
El equipo de Z.ai compara GLM-4.7-Flash con Qwen3-30B-A3B-Thinking-2507 y GPT-OSS-20B. GLM-4.7-Flash lidera o es competitivo en una combinación de pruebas comparativas de matemáticas, razonamiento, horizonte a largo plazo y agentes de codificación.
La tabla anterior muestra por qué GLM-4.7-Flash es uno de los modelos más potentes de la clase 30B, al menos entre los modelos incluidos en esta comparación. El punto importante es que GLM-4.7-Flash no es sólo una implementación compacta de GLM sino también un modelo de alto rendimiento en codificación establecida y pruebas comparativas de agentes.
Parámetros de evaluación y modo de pensamiento.
Para la mayoría de las tareas, las configuraciones predeterminadas son: temperatura 1,0, p superior 0,95 y tokens nuevos máximos 131072. Esto define un régimen de muestreo relativamente abierto con un gran presupuesto de generación.
Para Terminal Bench y SWE-bench Verified, la configuración usa temperatura 0,7, p superior 1,0 y tokens nuevos máximos 16384. Para τ²-Bench, la configuración usa temperatura 0 y tokens nuevos máximos 16,384. Estas configuraciones más estrictas reducen la aleatoriedad de las tareas que necesitan un uso estable de herramientas y una interacción de varios pasos.
El equipo de Z.ai también recomienda activar el modo de pensamiento preservado para tareas agentes de múltiples turnos como τ²-Bench y Terminal Bench 2. Este modo preserva los rastros de razonamiento interno a lo largo de los turnos. Esto resulta útil cuando se crean agentes que necesitan largas cadenas de llamadas a funciones y correcciones.
Cómo se adapta GLM-4.7-Flash a los flujos de trabajo de los desarrolladores
GLM-4.7-Flash combina varias propiedades que son relevantes para aplicaciones enfocadas en codificación:
Una arquitectura MoE 30B-A3B con 31B de parámetros y una longitud de contexto de token de 128k. Sólidos resultados de referencia en AIME 25, GPQA, SWE-bench Verified, τ²-Bench y BrowseComp en comparación con otros modelos en la misma tabla. Parámetros de evaluación documentados y un modo de pensamiento preservado para tareas de agentes de múltiples turnos. Soporte de primera clase para inferencia basada en vLLM, SGLang y Transformers, con comandos listos para usar. Un conjunto cada vez mayor de ajustes y cuantizaciones, incluidas conversiones MLX, en el ecosistema de Hugging Face.
Consulte el peso del modelo. Además, no dude en seguirnos en Twitter y no olvide unirse a nuestro SubReddit de más de 100.000 ML y suscribirse a nuestro boletín. ¡Esperar! estas en telegrama? Ahora también puedes unirte a nosotros en Telegram.
Michal Sutter es un profesional de la ciencia de datos con una Maestría en Ciencias de Datos de la Universidad de Padua. Con una base sólida en análisis estadístico, aprendizaje automático e ingeniería de datos, Michal se destaca en transformar conjuntos de datos complejos en conocimientos prácticos.