Puis-je exécuter GLM-4.7-Flash localement ?

Oui, les poids sont ouverts et hébergés sur Hugging Face à zai-org/GLM-4.7-Flash. Z.ai supporte l’inférence locale via vLLM, SGLang et la bibliothèque Transformers, bien que le support vLLM et SGLang nécessite actuellement leurs branches main ou nightly plutôt qu’une version stable.

Quel est le coût de GLM-4.7-Flash et quelle est sa fenêtre de contexte ?

Via l’API Z.ai, il est facturé 0,06 $ par million de tokens d’entrée et 0,40 $ par million de tokens de sortie, avec une fenêtre de contexte de 200 000 tokens.

En quoi GLM-4.7-Flash diffère-t-il de GLM-4.7 ?

GLM-4.7-Flash est la variante plus légère et axée sur l’efficacité de la famille GLM-4.7, utilisant une architecture MoE avec seulement 3B de paramètres actifs sur 30B au total. GLM-4.7 est le modèle complet ; Z.ai positionne Flash comme l’option quand vous avez besoin d’un coût de déploiement plus bas sans trop sacrifier les tâches agentiques de codage.

GLM 4.7 Flash

3598°

#llm #z-ai #raisonnement #programmation #agents #contexte long

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Z.ai | contexte de 200 000 tokens | 0,06 $/M entrée, 0,40 $/M sortie. En tant que modèle SOTA de classe 30B, GLM-4.7-Flash offre une nouvelle option qui équilibre performance et efficacité. Il est optimisé davantage pour les cas d'usage de codage agentique, renforçant les capacités de codage, la planification de tâches à long terme et la collaboration avec outils, et a atteint des performances de pointe parmi les modèles open-source de même taille sur plusieurs classements publics actuels.

Guides pour ce modèle

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

GLM-4.7-Flash est un modèle MoE de classe 30B de Z.ai avec seulement 3B de paramètres actifs, construit autour du codage agentique et de la planification de tâches à long terme. Ses chiffres de benchmark face à Qwen3-30B-A3B et GPT-OSS-20B sont impressionnants, notamment sur SWE-bench Verified et les tâches agentiques multi-tours. Poids ouverts, fenêtre de contexte de 200K et prix API bas en font un choix sérieux si vous exécutez des agents de codage ou avez besoin d’un modèle performant que vous pouvez auto-héberger.

Connu pour

Score SWE-bench Verified de 59,2, bien devant les modèles ouverts comparables
Excellentes performances sur les tâches agentiques multi-tours sur τ²-Bench
Fenêtre de contexte de 200 000 tokens pour documents longs et tâches étendues
Architecture MoE : 30B au total, 3B actifs, efficace à servir localement
Poids ouverts déployables via vLLM, SGLang ou Transformers

Attention à

Le support vLLM et SGLang est uniquement sur les branches main/nightly, pas encore sur les versions stables
Le mode Thinking préservé est requis pour les tâches agentiques multi-tours ; facile à manquer dans la configuration
Les termes de licence ne sont pas détaillés dans les documents publiés ; vérifiez le dépôt avant usage commercial

Idéal pour

Programmation

Agents et utilisation d'outils

Raisonnement

Contexte long

Fonctionne localement

Prompts à essayer

Déboguer un test qui échoue

Voici une fonction Python et un test pytest qui échoue avec une AssertionError. Identifiez le bug, expliquez pourquoi il cause l’échec, et retournez uniquement une version corrigée de la fonction. def calculate_discount(price, pct): return price - (price * pct) def test_discount(): assert calculate_discount(100, 10) == 90

Planifier une tâche agentique multi-étapes

Vous êtes un agent de codage autonome. Le dépôt d’un utilisateur n’a pas de suite de tests. Élaborez un plan concret, étape par étape, pour : auditer la base de code pour les unités testables, écrire des tests pytest pour les trois fonctions à risque le plus élevé, les exécuter, interpréter les échecs, et ouvrir une pull request avec un résumé. Listez chaque appel d’outil que vous feriez et ce que vous attendez en retour.

Raisonnement sur un puzzle logique

Cinq ingénieurs ont chacun un langage de programmation préféré différent : Python, Rust, Go, TypeScript, JavaScript. Utilisez ces indices pour déterminer qui préfère quel langage : Alice n’est pas à côté du fan de Rust. Bob préfère un langage compilé. Carol est assise entre les fans de Python et Go. Dave ne préfère pas JavaScript. Eve est à une extrémité et préfère un langage de script.

Comparer avec

GLM 5.3 FlashX
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.37/M, sortie $1.25/M
GLM 5V Turbo
Modèle uniquement API
Contexte de 202,752 tokens · entrée $1.20/M, sortie $4.00/M
GLM 5 Turbo
Modèle uniquement API
Contexte de 202,752 tokens · entrée $1.20/M, sortie $4.00/M
GLM 5.3 Prime
Modèle uniquement API
Contexte de 1,000,000 tokens · entrée $2.80/M, sortie $8.80/M

Plus de modèles de texte de z-ai

Questions fréquentes

Puis-je exécuter GLM-4.7-Flash localement ?: Oui, les poids sont ouverts et hébergés sur Hugging Face à zai-org/GLM-4.7-Flash. Z.ai supporte l’inférence locale via vLLM, SGLang et la bibliothèque Transformers, bien que le support vLLM et SGLang nécessite actuellement leurs branches main ou nightly plutôt qu’une version stable.
Quel est le coût de GLM-4.7-Flash et quelle est sa fenêtre de contexte ?: Via l’API Z.ai, il est facturé 0,06 $ par million de tokens d’entrée et 0,40 $ par million de tokens de sortie, avec une fenêtre de contexte de 200 000 tokens.
En quoi GLM-4.7-Flash diffère-t-il de GLM-4.7 ?: GLM-4.7-Flash est la variante plus légère et axée sur l’efficacité de la famille GLM-4.7, utilisant une architecture MoE avec seulement 3B de paramètres actifs sur 30B au total. GLM-4.7 est le modèle complet ; Z.ai positionne Flash comme l’option quand vous avez besoin d’un coût de déploiement plus bas sans trop sacrifier les tâches agentiques de codage.

Verdict du capitaine
Si le codage agentique est votre charge de travail et que vous voulez des poids ouverts à bas prix, GLM-4.7-Flash a les chiffres pour soutenir cette promesse.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

L3.1 70B Euryale v2.2

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

GLM 4.7 Flash est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm z-ai raisonnement programmation agents contexte long local

Parcourir par famille de modèles