智谱GLM-4.7-Flash发布：MLA架构与M5芯片实测 | AI资讯

type

status

date

slug

summary

引入DeepSeek同款MLA架构：技术路线的融合

GLM-4.7-Flash最引人注目的技术细节，莫过于其首次采用了MLA（Multi-head Latent Attention）架构。这一架构此前由DeepSeek-v2率先使用并验证了其在 大模型 推理效率上的巨大优势。

智谱AI团队在GLM-4.7-Flash中跟进这一技术，标志着主流模型厂商对高效注意力机制的认可。MLA架构的核心优势在于显著降低了推理过程中的KV Cache（键值缓存）占用，使得模型在处理长上下文时更加游刃有余。结合GLM系列一贯的“混合思考模型”设计，GLM-4.7-Flash成功实现了在保持300亿（30B）总参数规模的同时，推理时仅激活约30亿（3B）参数。这种“大参数量、小激活量”的策略，是当前平衡模型智力与计算成本的最优解之一。

混合专家（MoE）架构的精细化调优

作为一款定位为“本地编程与智能体助手”的模型，GLM-4.7-Flash在混合专家（MoE）架构上进行了精细的调整。与同类模型（如Qwen3-30B-A3B）相比，GLM-4.7-Flash虽然深度接近，但在专家数量的配置上有所不同。

专家配置：采用64个专家，而非常见的128个。

激活策略：在推理过程中，算上共享专家，每次仅激活5个专家。

这种设计使得模型在处理特定任务（如代码修复、创意写作）时，能够更精准地调用相关知识，同时大幅降低计算开销。在SWE-bench Verified代码修复测试中，该模型拿下了59.2的高分，在“人类最后的考试”等评测中，其表现也显著超越了同规模的Qwen3-30B和GPT-OSS-20B，证明了其架构优化的有效性。

苹果M5芯片实测：本地部署的新标杆

对于热衷于本地部署 人工智能 模型的开发者来说，GLM-4.7-Flash的硬件亲和力是一个巨大的惊喜。根据抓取的材料显示，有开发者在配备32GB统一内存和苹果M5芯片的笔记本上进行了实测。

测试结果显示，该模型能达到 43 token/s 的生成速度。这一数据意味着，即使是在轻量级的移动端硬件上，用户也能获得流畅的交互体验。不仅如此，官方还在第一时间提供了对华为昇腾NPU的支持，HuggingFace和vLLM等主流平台也实现了Day 0支持。这意味着无论是苹果生态用户还是国产硬件用户，都能第一时间体验到这款 AI 新模型的强大能力。

免费API与商业化策略的平衡

在商业模式上，智谱AI采取了极为激进的策略。官方API平台上，基础版GLM-4.7-Flash完全免费开放（限1个并发），而高速版GLM-4.7-FlashX的价格也被形容为“相当白菜”。

这种策略不仅降低了开发者使用高性能 大模型 的门槛，也为智谱AI在 AI变现 和生态构建上积累了用户基础。对于需要长上下文（支持到200K）任务、翻译或角色扮演场景的用户来说，GLM-4.7-Flash提供了一个极具性价比的选择。

总结与展望

GLM-4.7-Flash的发布，展示了智谱AI在模型架构优化和端侧部署上的深厚功底。通过引入MLA架构和优化的MoE设计，该模型在性能与效率之间找到了极佳的平衡点。特别是其在苹果芯片上的流畅运行能力，为未来的 AI日报 头条预留了位置——即端侧大模型时代的全面到来。

对于关注 OpenAI、ChatGPT 以及国产大模型发展的观察者来说，GLM-4.7-Flash是一个不可忽视的信号：高性能模型正在变得越来越轻量，越来越触手可及。获取更多前沿 AI新闻 和深度分析，请持续关注 AIGC.BAR。