🧠 語言模型Apache 2.0🔒 需申請存取

GLM-4.7-Flash

GLM-4.7-Flash，2026 年 1 月發布，30B 輕量版本，Apache 2.0 授權，GPQA 75.2%，128K 上下文，24 GB VRAM 可運行。

📅 發布：2026-01↻資料更新：2026年3月25日

VRAM 計算器

我的 GPU VRAM：

量化等級

上下文長度

Q4_K_M · 8K context

模型權重 + KV Cache + 0.5 GB overhead

22.2 GB

完整 VRAM 對照表（所有量化 × 上下文）

安裝 Ollama 後直接執行，自動下載並運行模型。

ollama run glm4.7-flash:latest

適合進階用戶，支援 CPU 和 GPU 混合推理，可精確控制量化等級。

# Download GGUF model from Hugging Face, then run:
./llama-cli -m model.gguf -p "Hello" -n 128

適合生產環境，支援批次推理和 OpenAI 相容 API。

pip install vllm
vllm serve GLM --dtype auto

ollama run glm4.7-flash:latest

參數量30B

最大上下文128K tokens

HF 下載量320K/月

輕量高效長上下文中文優化高推理能力低VRAM需求

OllamavLLMllama.cpp

分享你的使用體驗，幫助其他人了解這個模型

0/1000

還沒有評論，成為第一個分享心得的人！