GLM-4.7-Flash-30B-A3B-GGUFモデルが公開

GLM-4.7-Flash-30B-A3B-GGUFモデルが公開

基本情報

項目 内容
リポジトリ DavidAU/GLM-4.7-Flash-30B-A3B-Hellfire-Turbo-Brilliance-50x-AGI-NEO-GGUF
公開元のまとめ Z.ai(Zhipu AI) のモデルとライセンスのまとめ
公開日 2026-11-17
ライセンス apache-2.0
配布形式 GGUF
論文 arXiv:2508.06471
出典の種類 未確認(一次情報で裏付けできていない)(一次情報なし、個人による派生GGUFのみ)

情報を集めた時点で、当サイトのコードが確定させた値です。日付はJSTで表示しています。

概要

なお、本モデルに関する情報は公式に確認が取れておらず、個人開発者による公開事例として報告されている段階です。

DavidAU氏により、zai-orgのオープンウェイトモデル「GLM-4.7-Flash」をベースとした量子化モデル「GLM-4.7-Flash-30B-A3B-Hellfire-Turbo-Brilliance-50x-AGI-NEO-GGUF」がHugging Face上で公開されたと報告されています。このモデルは、30B規模のMixture of Experts(MoE)構造を持ち、推論効率と高い性能を両立させつつ、多数のプロンプト構文や推論モードを内包した「Turbo Brilliance」システムを適用した派生モデルとされています。

本モデルのベースとなったGLMシリーズの関連論文である「GLM-4.5: Agentic, Reasoning, and Coding (ARC) Foundation Models」によると、思考モードと直接応答モードの両方をサポートするハイブリッドな推論手法を備え、エージェント機能・推論・コーディング(ARC)の各タスクにおいて高い性能を発揮することを目指して設計されています。

スペック

  • 総パラメータ数: 30B
  • 活性パラメータ数: 1トークンあたり3B(64エキスパート中4エキスパートが活性化)
  • アーキテクチャ: Mixture of Experts(MoE / Glm4MoeLiteForCausalLM)
  • コンテキスト長: 最大200k(利用時の推奨設定は32k〜64k)

性能

本モデルのモデルカードおよびベースモデルである「zai-org/GLM-4.7-Flash」のカードに掲載されている公式ベンチマークの比較表は以下のとおりです。なお、これらはベースモデルの公開元が測定・公表した数値であり、今回提供されているのはGGUF形式への量子化版であるため、量子化処理に伴って実測性能が多少劣化する可能性がある点にご留意ください。

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

この測定結果から、元モデルであるGLM-4.7-Flashは実環境に近いタスクやエージェント性能において顕著な強みを持つことが読み取れます。実在するGitHubの課題解決能力を測るSWE-bench Verifiedにおいて59.2を記録し、比較対象であるQwen3-30B-A3B-Thinking-2507(22.0)やGPT-OSS-20B(34.0)を大差で引き離しています。また、マルチターンの対話やツール利用を伴うエージェント系タスクであるτ²-Benchでも79.5、BrowseCompでも42.8と、並み居る競合モデルに対して大きく優勢に立っています。

さらに、物理・化学・生物などの博士課程レベルの難問を対象とするGPQAでは75.2、各分野の専門家が作成した超難問集であるHLEでも14.4を獲得しており、高度な知識を要する領域でも上位の数値を維持しています。

一方で、米国の数学オリンピック予選問題を解く精度を測るAIME 25では91.6となっており、GPT-OSS-20Bの91.7と大差ない僅差ではあるもののわずかに及んでいません。また、LCB v6のスコアは64.0であり、Qwen3-30B-A3B-Thinking-2507の66.0を下回るなど、タスクの性質によっては競合モデルが優位に立つ分野も存在しています。

得意なこと・想定用途

元モデルであるGLM-4.7-Flashは、エージェント機能・推論・コーディング(ARC: Agentic, Reasoning, Coding)に特化した設計となっており、実用的なソフトウェア開発やマルチターンの対話処理、複雑な課題解決を得意としています。実リポジトリのバグ修正を模したSWE-bench Verifiedや、ツール連携を評価するτ²-Benchで高い数値を記録していることから、自律的なコーディングアシスタントやワークフロー自動化エージェントとしての活用に適しています。また、GPQAやHLEといった高度な学術・科学タスクにも対応できる深い推論能力を備えています。

今回公開された派生モデル「GLM-4.7-Flash-30B-A3B-Hellfire-Turbo-Brilliance-50x-AGI-NEO-GGUF」では、これらの基本性能に加え、開発者のDavidAU氏が提唱する「Turbo Brilliance」システムが組み込まれています。モデルカードによると、本モデルは以下のような多岐にわたる用途や機能を想定して構築されています。

  • 高度なクリエイティブライティングとロールプレイ:
    タグにも示されているとおり、フィクションの執筆やストーリー作成、ロールプレイング全般に対応しています。一般的な安全フィルターで過度に制約された応答を抑え、ダイナミックで力強い文章表現やキャラクター造形を可能にしていると主張されています。

  • 多様な思考モードとペルソナ構築(Constructs):
    27種類の推論モード、27種類の指示(instruct)モードのほか、「Brainstorm」「Universal Teacher」「Agent」「Coder」といった多数のAI/AGIコンストラクト(役割定義)が内包されています。プロンプト内で {REASON:xbrainstorm} などの指定子を用いることで、多角的なアイデア出しや厳密な論理検証など、目的に応じた思考スタイルへ即座に切り替えられるとされています。

  • リソース効率を活かした軽量運用:
    総パラメータ数30Bのうち1トークンあたりの活性パラメータが3Bに抑えられているMoE構造のため、計算負荷が比較的小さく抑えられます。公開元の解説では、GPUのみの構成だけでなく、CPUやメインメモリへのオフロード環境、あるいはCPU/RAMのみの環境であっても、良好な生成速度を維持しやすいと報告されています。

動作環境

動作環境の目安(Local Model Watch 算出) — パラメータ数 31.2B(元モデル zai-org/GLM-4.7-Flash の値)

手持ちのVRAM 選べる量子化 ファイルサイズ 必要メモリの目安
RTX 4070 / 3060 12GB など 12GB IQ2_M 9.9GB 11.8GB
RTX 5060 Ti 16GB / 4060 Ti 16GB など 16GB IQ3_M 13.0GB 15.6GB
RTX 4090 / 3090 など 24GB Q4_K_M 17.6GB 21.1GB
RTX 5090 など 32GB Q6_K 23.9GB 28.7GB
RTX 6000 Ada / A6000 など 48GB Q8_0 30.9GB 37.1GB

必要メモリは配布ファイルの実サイズに実行時のオーバーヘッド(KVキャッシュ等)を20%見込んだ概算で、文脈長・バッチサイズ・推論エンジンによって増減します。公開元の公称値ではなく、当サイトがファイルサイズから機械的に算出した値です。 他のモデルとの比較はVRAM別の早見表を参照してください。 量子化の名前の読み方は用語集にあります。

手元で動かせるか

Ollama・LM Studio・llama.cpp でそのまま動かせます。

GGUF形式で配布されているため、変換を待たずに手元で読み込めます。

ライセンス apache-2.0(商用利用可): 商用利用を含めて自由に利用・改変・再配布できます。再配布時にライセンス文と変更点の告知が必要で、特許の許諾条項があります。

量子化の圧縮率: IQ2_M は実測 2.72 bit/weight で、元の16bitの重みの約17%のサイズです(配布ファイルの実サイズから当サイトが算出)。

配布形式・当サイトが見つけた変換版・各推論エンジンの登録表を突き合わせた判定です。「確認できていない」は当サイトが見つけていないという意味で、存在しないことの断定ではありません。ライセンスの要約は法的助言ではないため、実際の利用にあたっては公開元の原文を確認してください。

同クラスの既報モデル

当サイトが最近取り上げた、パラメータ数 15〜40B のモデルを、比較のために記事ログからコードが並べたものです。VRAM階層は当サイトの概算、ライセンスはモデルカードの記載です。

→ 横にスクロールできます

モデル パラメータ数 最小のVRAM階層 ライセンス 記事
AtomicChat/Maxwell-V1-Flash-GGUF 36.8B 24GB apache-2.0 「Maxwell-V1-Flash-GGUF」35BのMoEモデル:必要VRAM 24GB〜(2026-11-18)
LiquidAI/LFM2.5-24B-A2B-Base 24.0B 80GB lfm1.0 LiquidAI、超軽量推論モデル「LFM2.5-24B-A2B」を公開(2026-11-17)
LiquidAI/LFM2.5-24B-A2B-FP8 24.0B 32GB lfm1.0 「LFM2.5-24B-A2B-FP8」FP8量子化済みのエージェント向けMoEモデル:必要VRAM 32GB〜(2026-11-17)
LiquidAI/LFM2.5-24B-A2B-MLX-bf16 24.0B 80GB lfm1.0 「LFM2.5-24B-A2B-MLX-bf16」Apple Silicon向け推論モデル:必要VRAM 80GB〜(2026-11-17)
LiquidAI/LFM2.5-24B-A2B-MLX-8bit 24.0B 32GB lfm1.0 「LFM2.5-24B-A2B-MLX-8bit」ツール呼び出しに強い推論特化のMoEモデル:必要VRAM 32GB〜(2026-11-17)

入手方法

本モデルはHugging Faceの「DavidAU/GLM-4.7-Flash-30B-A3B-Hellfire-Turbo-Brilliance-50x-AGI-NEO-GGUF」リポジトリにて、GGUF形式で配布されています。利用規約への事前同意が必要な gated モデルには設定されていないため、誰でも直接ダウンロードして利用することが可能です。配布されている量子化バリエーションには、NEO imatrixを用いたMTP量子化版や、出力テンソルを16ビットの完全精度に設定した「MAX」版などが含まれています。

モデルカードで案内されている推奨の生成パラメータおよびクイックスタート設定は以下のとおりです。

  • Temperature: 1.0
  • Repetition Penalty: 1.0(無効)
  • Top-K: 64
  • Top-P: 0.95
  • Min-P: 0.05
  • 推奨コンテキスト長: 32k〜64k(最大コンテキスト長は200k)

対話の開始時に単体で help と入力して送信することで、内包されているTurbo Brillianceの各システムや推論モードの一覧を対話形式で確認できる仕様になっています。また、利用する推論アプリケーション側で「MTP」の設定を有効化できる場合、生成速度が10%から30%程度向上すると案内されています。

なお、ベースモデルであるGLM-4.7-Flashの公式な推論・サービング環境としてはvLLMやSGLangの最新ブランチが対応しており、本モデルのようなGGUF形式についてはllama.cppや各種対応フロントエンドからの読み込みが想定されます。

同じ用途の既報モデル

当サイトが取り上げたテキスト生成のモデルを新しい順に並べています。用途は配布元がHugging Faceに付けたタスク(pipeline_tag)から機械的に分けたもので、最小のVRAM階層は当サイトの概算です。

テキスト生成のモデルをすべて見る →

次に読むなら

出典

この記事は未確認情報を含みます。 公式の一次情報で裏が取れ次第、更新履歴を追記して反映します。