中文简介
zai-org/GLM-4.7 是 zai-org 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 602d01efcdd3,同步到 104 个文件,文件元数据合计 667.48 GB;访问状态为“公开”,许可证字段为“mit”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 zai-org/GLM-4.7 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
zai-org/GLM-4.7 是 zai-org 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 602d01efcdd3,同步到 104 个文件,文件元数据合计 667.48 GB;访问状态为“公开”,许可证字段为“mit”。
【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:602d01efcdd3。 任务标签:文本生成与推理。 语言字段:en, zh。 架构:Glm4MoeForCausalLM。 上游 Safetensors 元数据显示参数量约 358.34 B。 库标记:transformers。 模型类型字段:glm4_moe。 上游页面记录的最近更新时间:2026-01-29。
【文件信息】
上游 API 返回 104 个文件,文件元数据合计 667.48 GB。 已保存文件清单中的主要扩展名:.safetensors 92 个、.json 3 个、.yaml 3 个、.jinja 1 个、无扩展名 1 个。 当前较大的文件包括:model-00092-of-00092.safetensors(8.78 GB);model-00011-of-00092.safetensors(7.33 GB);model-00012-of-00092.safetensors(7.33 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
【运行或处理环境】
仓库文件元数据合计 667.48 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 667.46 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
GLM-4.7 👋 Join our Discord community. 📖 Check out the GLM-4.7 technical blog , technical report(GLM-4.5) . 📍 Use GLM-4.7 API services on Z.ai API Platform. 👉 One click to GLM-4.7 . Introduction GLM-4.7**, your new coding partner, is coming with the following features: **Core Coding**: GLM-4.7 brings clear gains, compared to its predecessor GLM-4.6, in multilingual agentic coding and terminal-based tasks, including (73.8%, +5.8%) on SWE-bench, (66.7%, +12.9%) on SWE-bench Multilingual, and (41%, +16.5%) on Terminal Bench 2.0. GLM-4.7 also supports thinking before acting, with significant improvements on complex tasks in mainstream agent frameworks such as Claude Code, Kilo Code, Cline, and Roo Code. **Vibe Coding**: GLM-4.7 takes a big step forward in improving UI quality. It produces cleaner, more modern webpages and generates better-looking slides with more accurate layout and sizing. **Tool Using**: GLM-4.7 achieves significantly improvements in Tool using. Significant better performances can be seen on benchmarks such as τ^2-Bench and on web browsing via BrowseComp. **Complex Reasoning**: GLM-4.7 delivers a substantial boost in mathematical and reasoning capabilities, achieving (42.8%, +12.4%) on the HLE (Humanity’s Last Exam) benchmark compared to GLM-4.6. You can also see significant improvements in many other scenarios such as chat, creative writing, and role-play scenario. Performances on Benchmarks.** More detailed comparisons of GLM-4.7 with other models GPT-5-High, GPT-5.1-High, Claude Sonnet 4.5, Gemini 3.0 Pro, DeepSeek-V3.2, Kimi K2 Thinking, on 17 benchmarks (including 8 reasoning, 5 coding, and 3 agents benchmarks) can be seen in the below table. | Benchmark | GLM-4.7 | GLM-4.6 | Kimi K2 Thinking | DeepSeek-V3.2 | Gemini 3.0 Pro | Claude Sonnet 4.5 | GPT-5-High | GPT-5.1-High | |:-------------------------------|:-------:|:-------:|:----------------:|:-------------:|:--------------:|:-----------------:|:----------:|:------------:| | MMLU-Pro | 84.3 | 8
适用场景
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:602d01efcdd3。 任务标签:文本生成与推理。 语言字段:en, zh。 架构:Glm4MoeForCausalLM。 上游 Safetensors 元数据显示参数量约 358.34 B。 库标记:transformers。 模型类型字段:glm4_moe。 上游页面记录的最近更新时间:2026-01-29。
文件说明
上游 API 返回 104 个文件,文件元数据合计 667.48 GB。 已保存文件清单中的主要扩展名:.safetensors 92 个、.json 3 个、.yaml 3 个、.jinja 1 个、无扩展名 1 个。 当前较大的文件包括:model-00092-of-00092.safetensors(8.78 GB);model-00011-of-00092.safetensors(7.33 GB);model-00012-of-00092.safetensors(7.33 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
上游文件元数据
.eval_results/gpqa.yaml190 B.eval_results/hle.yaml180 B.eval_results/mmlu_pro.yaml151 B.gitattributes1.53 KBchat_template.jinja3.05 KBconfig.json1007 Bgeneration_config.json177 Bmodel-00001-of-00092.safetensors2.05 GBmodel-00002-of-00092.safetensors620.05 MBmodel-00003-of-00092.safetensors620.05 MBmodel-00004-of-00092.safetensors7.33 GBmodel-00005-of-00092.safetensors7.33 GB
硬件建议
仓库文件元数据合计 667.48 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 667.46 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。