GPT
הוספת כלי
G

GLM-4.7

קוד פתוח

zai-orgmit2025-12-22

  • transformers
  • safetensors
  • glm4_moe
  • text-generation
  • conversational

מודל ענק בקוד פתוח עם רישיון חופשי לגמרי, שמיועד לסוכני פיתוח עצמאיים ומשימות קוד ארוכות. הוא שומר את שרשרת המחשבה בין פעולות ומתחרה ראש בראש במודלים המסחריים הגדולים.

  • 358Bפרמטרים
  • 202,752טוקנים בהקשר
  • 667 GBמשקל הקבצים
  • 65,178הורדות בחודש

מה זה

מדובר במודל מבוסס תערובת מומחים בהיקף של 358 מיליארד פרמטרים, שמכוון בעיקר למשימות תכנות, אוטומציה של שורת פקודה והפעלת כלים. הדגש המרכזי כאן הוא היכולת לנהל תהליכי חשיבה מורכבים בתוך סוכנים חיצוניים, בלי לאבד את ההקשר של הפתרון תוך כדי עבודה מול המחשב. המודל תומך בשימור תהליך החשיבה בין פניות שונות, כך שהוא לא נאלץ לחשב את צעדי ההיגיון מחדש בכל פעולה וקריאה לכלי חיצוני.

במדדי ביצועים המודל מציג זינוק של ממש בהשוואה לגרסה הקודמת שלו, במיוחד במבחני הנדסת תוכנה מעשיים כמו SWE-bench Verified שבו הוא מגיע ל־73.8%, ו־Terminal Bench 2.0 עם 41%. זה מתבטא ביכולת להתמודד טוב יותר עם משימות מערכת מורכבות, יצירת ממשקי משתמש מודרניים ובדיקת תוצאות בדפדפן. עם זאת, במבחני מתמטיקה ופתרון בעיות קיצוניים ללא כלים כמו HLE, הוא משיג 24.8% בלבד, ומתקשה מאוד בלי גישה לכלים חיצוניים.

מתאים ל

  • סוכן תיקון באגים אוטונומי

    שילוב בסביבות כמו Claude Code או Cline בזכות שימור שלבי החשיבה ותוצאה של 73.8% ב־SWE-bench.

  • אוטומציה בטרמינל

    ביצוע פקודות מערכת מורכבות ותסריטי בדיקות, שבהם המודל מציג שיפור משמעותי על Terminal Bench 2.0.

  • בניית ממשקי פרונטאנד

    יצירת דפי אינטרנט ומצגות מודרניות, תחום שבו החברה שיפרה במיוחד את דיוק הפריסה והעיצוב.

איפה זה נופל

השפות הרשמיות שנתמכות במודל הן אנגלית וסינית בלבד, כך שלא כדאי להסתמך עליו לעיבוד עברית בלי בדיקה מקיפה. בנוסף, במשימות היגיון מופשטות שדורשות פתרון ללא גישה לקונסולה או רשת, הוא נופל משמעותית ממודלים כמו Gemini 3.0 Pro, שמשיג 37.5% ב־HLE לעומת 24.8% כאן. שימור בלוקי החשיבה לאורך זמן גם צורך זיכרון רב בחלון ההקשר, מה שעלול לייקר שיחות ארוכות או לגרום לזמני תגובה ארוכים.

אותה משפחה

GLM-4.7 יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

GLM-4.7-FP820,189

שאלות
נפוצות

האם אפשר להריץ אותו על שרת ענן צנוע או מחשב מקומי?

לא. המודל שוקל 667 גיגה-בייט וכולל 358 מיליארד פרמטרים. גם בגרסת קוונטוט קלה תצטרכו כמה מעבדים גרפיים תעשייתיים עם זיכרון משולב של מאות גיגה-בייט, כך שהרצה מקומית על מחשב רגיל אינה אפשרית.

איך המודל מתמודד עם השפה העברית?

הכרטיס מצהיר על תמיכה באנגלית ובסינית בלבד. הוא עשוי לפלוט עברית בסיסית, אך ללא אימון ייעודי סביר להניח שאיכות הטקסט, התחביר והבנת ההקשר המקומי יהיו נמוכים.

מה המשמעות של מצב שימור החשיבה בסוכני קוד?

במקום שהמודל ישכח את תהליך הפתרון בכל פעם שהוא מריץ פקודה או כלי, הוא שומר את בלוק החשיבה הקודם בתוך השיחה. זה מונע בלבול במשימות ארוכות ומאפשר לו להמשיך ישירות מהמסקנה הקודמת.

איך מריצים

המשקל הגולמי של המודל בפורמט bfloat16 מגיע ל־667 גיגה-בייט, כך שלהריץ אותו באופן עצמאי דורש שרת עם שמונה כרטיסי H100 או A100. הדוגמאות של המפתחים עצמם משתמשות בגרסת FP8 מקוונטטת עם vLLM בחלוקה לארבעה מעבדים גרפיים, או SGLang בשמונה מעבדים כדי להפעיל ספקולציות האצה.

אלא אם יש לכם צבר שרתים פעיל בחברה ודרישות אבטחה שמחייבות אירוח פנימי, אין שום סיבה כלכלית לפרוס אותו לבד. המפתחים מספקים נקודת קצה של API שחוסכת תחזוקה של מכונות יקרות במיוחד.

from transformers import pipeline

pipe = pipeline("text-generation", model="zai-org/GLM-4.7")
print(pipe("שלום"))

הקבצים

104 קבצים במאגר, 667 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר תחת רישיון MIT. זהו רישיון מתירני שמאפשר שימוש מסחרי חופשי, שינוי המשקלים, הפצה וסגירת הקוד בתוך מוצר פרטי, בלי תמלוגים או דרישה לחשוף את הפיתוח שלכם, כל עוד שומרים על הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗