智谱新模型也用DeepSeek的MLA，苹果M5就能跑

文章摘要

【关 键 词】 AI模型、开源轻量、编程助手、MoE架构、本地部署

智谱AI近期推出开源轻量级大语言模型GLM-4.7-Flash，作为GLM-4.5-Flash的升级版本，该模型采用混合专家（MoE）架构，总参数量达30B但仅激活3B参数，显著提升计算效率。官方定位其为”本地编程与智能体助手”，在SWE-bench Verified代码修复测试中以59.2分表现突出，超越同类规模的Qwen3-30B和GPT-OSS-20B模型。

技术架构方面，该模型首次采用MLA（Multi-head Latent Attention）注意力机制，借鉴了DeepSeek-v2的已验证方案。其64专家系统中每次仅调用5个专家的设计，配合200K长上下文窗口支持，既适用于云端API调用也适配本地部署场景。开发者实测显示，在配备32GB统一内存的M5芯片苹果笔记本上能达到43 token/s的推理速度。

应用场景覆盖编程辅助、创意写作、翻译及角色扮演等多领域。官方API平台提供完全免费的基础版服务（限1并发），高速版定价也具竞争优势。相比同类产品，其在上下文长度支持和token输出成本方面存在优势，但当前版本在延迟和吞吐量性能上仍需优化。

生态适配方面表现亮眼，发布12小时内即获得HuggingFace、vLLM等主流平台的原生支持，并同步提供对华为昇腾NPU的兼容。技术细节虽未完全公开，但配置文件显示其深度设计与GLM-4.5 Air保持相近，专家数量配置则区别于Qwen3-30B-A3B的128专家方案。这种平衡性能与效率的设计思路，为轻量化模型部署提供了新的实践参考。

原文和模型

【原文链接】 阅读原文 [ 563字 | 3分钟 ]
【原文作者】 量子位
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★☆☆☆☆

派欧算力云 – AI 云端一体化解决方案: 模型 API、Serverless、GPU 租赁

派欧算力云提供全面的 AI 云端平台解决方案,包括模型 API、Serverless 和高性能 GPU 实例等,帮助您节省高达 50% 的成本,并同时加速 AI 产品的构建和业务发展,助力企业实现创新突破,赢得市场竞争优势。