智谱AI近日推出全新开源轻量级大语言模型GLM-4.7-Flash，这款模型直接取代了前代GLM-4.5-Flash，并宣布其API将免费向公众开放调用。作为GLM-4.7的轻量化版本，GLM-4.7-Flash不仅继承了GLM-4系列在编码和推理方面的核心能力，还在效率上进行了专门优化。
GLM-4.7-Flash采用混合专家（MoE）架构，拥有300亿总参数，但在实际推理过程中仅激活约30亿参数。这种设计使模型在保持强大能力的同时，显著降低了计算开销。模型上下文窗口支持到200K，既可以通过云端API调用，也支持本地部署，为用户提供了更大的灵活性。
在性能评测方面，GLM-4.7-Flash表现突出。在SWE-bench Verified代码修复测试中，该模型取得了59.2分的优异成绩。在“人类最后的考试”等评测中，GLM-4.7-Flash也显著超越了同规模的Qwen3-30B和GPT-OSS-20B等模型。
值得注意的是，GLM-4.7-Flash首次采用了MLA（Multi-head Latent Attention）架构。这一架构此前由DeepSeek-v2率先使用并验证有效，如今智谱AI也将其引入到GLM-4.7-Flash中，进一步提升了模型的性能。从具体结构来看，GLM-4.7-Flash的深度与GLM-4.5 Air和Qwen3-30B-A3B接近，但专家数量有所不同，采用64个专家而非128个，激活时只调用5个（算上共享专家）。
在本地部署方面，GLM-4.7-Flash也表现出色。经开发者实测，在配备32GB统一内存和M5芯片的苹果笔记本上，该模型能够达到43 token/s的速度，为用户提供了流畅的使用体验。官方还第一时间提供了对华为昇腾NPU的支持，进一步拓宽了模型的应用场景。
在API平台方面，官方提供了基础版GLM-4.7-Flash完全免费（限1个并发）的服务，同时高速版GLM-4.7-FlashX的价格也相当亲民。这使得更多用户能够轻松接触到这款强大的大语言模型，促进了其在各个领域的应用和推广。
与同类模型相比，GLM-4.7-Flash在上下文长度支持和输出token价格上具有明显优势。然而，目前该模型在延迟和吞吐量方面还有待进一步优化。尽管如此，GLM-4.7-Flash的推出仍然为大语言模型领域带来了新的活力和可能性。
