Blog
zai-org/GLM-4.7-Flash · Hugging Face
2026.01.20
·Hugging Face·by 권준호#LLM#Transformers#MoE#Text Generation#Conversational AI
핵심 포인트
- 1GLM-4.7-Flash는 30B-A3B MoE 모델로, 30B 클래스에서 가장 강력하며 성능과 효율성의 균형을 맞춘 경량 배포 옵션을 제공합니다.
- 2이 모델은 AIME, GPQA, HLE, SWE-bench Verified, τ²-Bench, BrowseComp와 같은 주요 벤치마크에서 Qwen3-30B-A3B-Thinking-2507 및 GPT-OSS-20B 모델 대비 우수한 성능을 입증했습니다.
- 3GLM-4.7-Flash는 vLLM 및 SGLang 프레임워크를 통한 로컬 배포를 지원하며, 상세한 설치 및 사용 가이드가 공식 Github 저장소에 제공됩니다.
GLM-4.7-Flash는 30B-A3B Mixture-of-Experts (MoE) 모델로, 30B 클래스 모델 중 가장 강력한 성능을 제공하며, 성능과 효율성 사이의 균형을 통해 경량 배포를 위한 새로운 선택지를 제시합니다. 이 모델은 Agentic, Reasoning, and Coding (ARC) Foundation Models에 초점을 맞춘 GLM-4.5 프로젝트의 일환으로 개발되었습니다.
핵심 방법론 (Core Methodology):
GLM-4.7-Flash는 300억 개의 총 파라미터를 가지는 MoE 아키텍처를 채택하고 있으며, "A3B"는 한 번에 활성화되는 파라미터의 수가 30억임을 의미합니다. 이는 모델이 특정 태스크에 필요한 소수의 전문가 네트워크(experts)만을 활성화하여 계산 효율성을 크게 높이는 Sparse Activation 방식입니다. 이를 통해 모델의 전체 규모는 크지만, 토큰당 실제 연산량은 줄어들어 경량 배포가 가능하면서도 강력한 성능을 유지할 수 있습니다. 모델의 tensor type은 BF16과 F32를 지원합니다.
벤치마크 성능 (Performance on Benchmarks):
다양한 벤치마크에서 GLM-4.7-Flash는 경쟁 모델인 Qwen3-30B-A3B-Thinking-2507 및 GPT-OSS-20B 대비 우수한 성능을 보였습니다. 구체적인 점수는 다음과 같습니다:
- AIME 25: 91.6
- GPQA: 75.2
- LCB v6: 64.0
- HLE: 14.4
- SWE-bench Verified: 59.2
- τ²-Bench: 79.5
- BrowseComp: 42.8
로컬 배포 (Local Deployment):
GLM-4.7-Flash는 vLLM 및 SGLang과 같은 인퍼런스 프레임워크를 통해 로컬에서 배포할 수 있습니다.
- vLLM:
pip install -U vllm --pre --index-url https://pypi.org/simple --extra-index-url https://wheels.vllm.ai/nightly 명령어를 통해 vLLM을 설치한 후, vllm serve 명령어를 사용하여 모델을 서빙합니다. 이때 --tensor-parallel-size, --speculative-config.method mtp, --speculative-config.num_speculative_tokens 1, --tool-call-parser glm47, --reasoning-parser glm45, --enable-auto-tool-choice 등의 인자를 설정하여 최적화된 성능을 활용할 수 있습니다.
- SGLang:
python3 -m sglang.launch_server 명령어를 사용하며, --tp-size, --tool-call-parser glm47, --reasoning-parser glm45, --speculative-algorithm EAGLE, --speculative-num-steps 3, --speculative-eagle-topk 1, --speculative-num-draft-tokens 4, --mem-fraction-static 0.8 등의 파라미터를 지정하여 성능을 조절할 수 있습니다. 특히 Blackwell GPU의 경우 --attention-backend triton --speculative-draft-attention-backend triton을 추가하여 효율을 극대화할 수 있습니다.Hugging Face Transformers 사용 예시:transformers 라이브러리를 사용하여 모델을 불러오고 추론하는 Python 코드 스니펫은 다음과 같습니다.
python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
MODEL_PATH = "zai-org/GLM-4.7-Flash"
messages = [{ "role" : "user" , "content" : "hello" }]
tokenizer = AutoTokenizer.from_pretrained(MODEL_PATH)
inputs = tokenizer.apply_chat_template(
messages,
tokenize=True,
add_generation_prompt=True,
return_dict=True,
return_tensors="pt",
)
model = AutoModelForCausalLM.from_pretrained(
pretrained_model_name_or_path=MODEL_PATH,
torch_dtype=torch.bfloat16,
device_map="auto",
)
inputs = inputs.to(model.device)
generated_ids = model.generate(**inputs, max_new_tokens=128, do_sample=False)
output_text = tokenizer.decode(generated_ids[0][inputs.input_ids.shape[1]:])
print(output_text)인용 (Citation):
GLM-4.7-Flash 작업에 대한 인용은 GLM-4.5 관련 논문을 따르며, bibtex 형식은 다음과 같습니다:
latex
@misc{5team2025glm45agenticreasoningcoding,
title={GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models},
author={GLM Team and Aohan Zeng and Xin Lv and Qinkai Zheng and Zhenyu Hou and Bin Chen and Chengxing Xie and Cunxiang Wang and Da Yin and Hao Zeng and Jiajie Zhang and Kedong Wang and Lucen Zhong and Mingdao Liu and Rui Lu and Shulin Cao and Xiaohan Zhang and Xuancheng Huang and Yao Wei and Yean Cheng and Yifan An and Yilin Niu and Yuanhao Wen and Yushi Bai and Zhengxiao Du and Zihan Wang and Zilin Zhu and Bohan Zhang and Bosi Wen and Bowen Wu and Bowen Xu and Can Huang and Casey Zhao and Changpeng Cai and Chao Yu and Chen Li and Chendi Ge and Chenghua Huang and Chenhui Zhang and Chenxi Xu and Chenzheng Zhu and Chuang Li and Congfeng Yin and Daoyan Lin and Dayong Yang and Dazhi Jiang and Ding Ai and Erle Zhu and Fei Wang and Gengzheng Pan and Guo Wang and Hailong Sun and Haitao Li and Haiyang Li and Haiyi Hu and Hanyu Zhang and Hao Peng and Hao Tai and Haoke Zhang and Haoran Wang and Haoyu Yang and He Liu and He Zhao and Hongwei Liu and Hongxi Yan and Huan Liu and Huilong Chen and Ji Li and Jiajing Zhao and Jiamin Ren and Jian Jiao and Jiani Zhao and Jianyang Yan and Jiaqi Wang and Jiayi Gui and Jiayue Zhao and Jie Liu and Jijie Li and Jing Li and Jing Lu and Jingsen Wang and Jingwei Yuan and Jingxuan Li and Jingzhao Du and Jinhua Du and Jinxin Liu and Junkai Zhi and Junli Gao and Ke Wang and Lekang Yang and Liang Xu and Lin Fan and Lindong Wu and Lintao Ding and Lu Wang and Man Zhang and Minghao Li and Minghuan Xu and Mingming Zhao and Mingshu Zhai and Pengfan Du and Qian Dong and Shangde Lei and Shangqing Tu and Shangtong Yang and Shaoyou Lu and Shijie Li and Shuang Li and Shuang-Li and Shuxun Yang and Sibo Yi and Tianshu Yu and Wei Tian and Weihan Wang and Wenbo Yu and Weng Lam Tam and Wenjie Liang and Wentao Liu and Xiao Wang and Xiaohan Jia and Xiaotao Gu and Xiaoying Ling and Xin Wang and Xing Fan and Xingru Pan and Xinyuan Zhang and Xinze Zhang and Xiuqing Fu and Xunkai Zhang and Yabo Xu and Yandong Wu and Yida Lu and Yidong Wang and Yilin Zhou and Yiming Pan and Ying Zhang and Yingli Wang and Yingru Li and Yinpei Su and Yipeng Geng and Yitong Zhu and Yongkun Yang and Yuhang Li and Yuhao Wu and Yujiang Li and Yunan Liu and Yunqing Wang and Yuntao Li and Yuxuan Zhang and Zezhen Liu and Zhen Yang and Zhengda Zhou and Zhongpei Qiao and Zhuoer Feng and Zhuorui Liu and Zichen Zhang and Zihan Wang and Zijun Yao and Zikang Wang and Ziqiang Liu and Ziwei Chai and Zixuan Li and Zuodong Zhao and Wenguang Chen and Jidong Zhai and Bin Xu and Minlie Huang and Hongning Wang and Juanzi Li and Yuxiao Dong and Jie Tang},
year={2025},
eprint={2508.06471},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2508.06471},
}