CONFIRMADOConfiança da data: CONFIRMADOInformado como definitivoQuão firme a fonte é sobre a data: confirmada, agendada, estimada, adiada ou não verificada.Mostrar todos os pins CONFIRMADO85% DE CONFIANÇAConfiança geral: 85%Quanto a fonte e as referências do pin sustentam suas datas.Média ponderada de quanto 5 referências, incluindo a fonte, sustentam os horários de início e fim do pin; uma referência conta metade a cada 180 dias a mais em relação à mais recenteMostrar todos os pins com confiança de 75% ou mais
A Gigazine[5] (20 de janeiro de 2026, horário do Japão) diz que a Z.ai «lançou um modelo de IA leve chamado GLM-4.7-Flash em 19 de janeiro de 2026» e incorpora publicações da Z.ai no X datadas de 19 de janeiro de 2026; o repositório do Hugging Face[1] foi criado e preenchido em 19 de janeiro. Alguns rastreadores mostram 20 de janeiro, um efeito do fuso horário.- Início
- 19 de jan. de 202690% DE CONFIANÇAde a fonte
GLM-4.7-Flash lançado
Traduzido automaticamente do original
Título original: GLM-4.7-Flash Released
A Z.ai lança o GLM-4.7-Flash, um modelo de pesos abertos de mistura de especialistas 30B-A3B que supera o gpt-oss-20b e o Qwen3-30B-A3B-Thinking na maioria dos benchmarks de programação e agentes, com um nível de API gratuito.
- A Z.ai lançou o GLM-4.7-Flash em 19 de janeiro de 2026, quatro semanas depois do GLM-4.7, como seu “assistente local de programação e agentes” da classe 30B, com pesos com licença MIT no Hugging Face e um nível de API gratuito[1][3][5]
- É um modelo de mistura de especialistas 30B-A3B: cerca de 31.2 bilhões de parâmetros no total e aproximadamente 3 bilhões ativos por token, pequeno o bastante para uma única GPU de 24GB depois de quantizado, embora a versão oficial em BF16 precise de mais de 45GB de VRAM[1][2][5]
- A tabela da Z.ai lhe atribui 59.2 no SWE-bench Verified contra 22.0 do Qwen3-30B-A3B-Thinking-2507 e 34.0 do gpt-oss-20b, 79.5 no τ²-Bench contra 49.0 e 47.7, e 42.8 no BrowseComp contra 2.3 e 28.3, depois de a Z.ai corrigir seu gráfico do BrowseComp[1][5]
- Ele não vence em tudo: o gpt-oss-20b o supera por pouco no AIME 25 (91.7 contra 91.6) e o Qwen3-30B-A3B lidera no LiveCodeBench v6 (66.0 contra 64.0)[1]
- Foram relatados mais de 1.7 milhão de downloads no primeiro mês[2]
Principais recursos
- Somente texto, contexto de 200K tokens e saída máxima de 128K tokens; modo de raciocínio com a opção "Preserved Thinking" para tarefas de agente em vários turnos[1][3]
- O acesso à API é gratuito para o GLM-4.7-Flash, com um GLM-4.7-FlashX pago, mais rápido, a $0.07 por milhão de tokens de entrada e $0.40 de saída[4]
- Pode ser implantado com Transformers, vLLM e SGLang com decodificação especulativa e roda em Macs com Apple Silicon a 60 a 80 tokens por segundo, segundo relatos[2]
- A Z.ai o recomenda além da programação para redação em chinês, tradução, processamento de textos longos e interpretação de papéis[3]
Benchmarks
Tabela de resultados da Z.ai a partir do cartão do modelo, conforme publicada[1].
| Benchmark | GLM-4.7-Flash | Qwen3-30B-A3B-Thinking-2507 | GPT-OSS-20B |
|---|---|---|---|
| AIME 25 | 91.6 | 85.0 | 91.7 |
| GPQA | 75.2 | 73.4 | 71.5 |
| LCB v6 | 64.0 | 66.0 | 61.0 |
| HLE | 14.4 | 9.8 | 10.9 |
| SWE-bench Verified | 59.2 | 22.0 | 34.0 |
| τ²-Bench | 79.5 | 49.0 | 47.7 |
| BrowseComp | 42.8 | 2.29 | 28.3 |