Che cos’è e chi lo sviluppa
GLM-4.7-Flash è il modello di Z.ai pensato per una distribuzione più leggera della famiglia GLM. La scheda lo descrive come 30B-A3B: un’architettura Mixture of Experts, con una parte degli esperti attivata per ciascun token. È un modello distinto dal GLM-4.7 completo.
Specifiche verificate
La documentazione ufficiale indica licenza MIT, capacità di ragionamento e uso di strumenti, con istruzioni per Transformers, vLLM e SGLang. I risultati di coding pubblicati nella scheda sono valutazioni del produttore, non misure effettuate su un PC domestico. Per llama.cpp e applicazioni GGUF occorre verificare una conversione compatibile e il relativo autore.
Come funziona nell’uso locale
Tre miliardi di parametri attivi non significano che sia sufficiente caricare soltanto tre miliardi di parametri in memoria. Gli esperti utilizzabili devono rimanere accessibili durante il calcolo. La quantità di RAM o VRAM dipende da precisione dei pesi, offload, contesto e programma: prima di scegliere una variante, guarda la dimensione reale dei file e il consumo durante una richiesta rappresentativa.
Utilizzi e valutazione pratica
Il nostro uso proposto è un assistente per modifiche circoscritte: leggere un errore, individuare il file rilevante e suggerire una patch con verifica. Un agente aggiunge accesso agli strumenti, gestione dei risultati e regole operative; il modello da solo non naviga automaticamente nel progetto. Controlla che il programma riconosca correttamente le chiamate agli strumenti, anziché mostrarle come semplice testo.
Da dove iniziare
- Apri la scheda ufficiale e identifica checkpoint, formato e revisione.
- Controlla la compatibilità del programma prima del download.
- Prova una richiesta breve e registra memoria, tempi e correttezza.
- Aumenta contesto e accesso agli strumenti soltanto dopo la prima verifica.
Download e fonti ufficiali
Scheda del modello, file e documentazione del produttore, consultati il 5 ottobre 2026. Specifiche ufficiali e proposte di valutazione sono distinte dalle eventuali prove informali del progetto.
Dal mio PC: GLM come riferimento per il coding
Ho provato la variante unsloth/GLM-4.7-Flash-GGUF Q4_K_M con la RTX 5070 12 GB. Negli appunti d’uso ho riportato circa 27–28 token al secondo in generazione. È un valore annotato durante le sessioni, con condizioni non complete per un confronto controllato.
L’aspetto che mi interessa di più è il lavoro attraverso Hermes: trovare il file giusto, proporre una modifica circoscritta e arrivare a una verifica. Una risposta veloce è piacevole; per usare il modello nei progetti guardo anche quante azioni portano davvero al risultato. Le sessioni sul mio PC spiegano come ho valutato questo percorso.