GLM-4.7とは？358B MoEの仕様・料金とFlash版、GLM-5.3との使い分け【2026年10月】

GLM-4.7は、中国のZ.ai（智譜AI）が2025年12月22日に公開した、MITライセンスのオープンウェイトLLMです。この記事はGLM-4.7という特定バージョンと、その軽量版GLM-4.7-Flashだけを扱います。Z.aiの現行フラッグシップは2026年8月18日公開のGLM-5.3で、最新版の世代一覧と選び方はGLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方にまとめています。

公開から10か月で、GLM-4.7は経路ごとに扱いが分かれました。Z.aiのAPIでは今も呼べますが、Coding Planでは別モデルに転送され、BedrockではLegacyになり、Ollamaのクラウドからは外れています。以下は2026年10月20日時点の一次情報による整理です。

まとめ

• GLM-4.7は総パラメータ約358BのMoEモデルで、コンテキストは202,752トークン。重みはMITで公開されています。
• Z.ai APIの料金は100万トークンあたり入力$0.6・出力$2.2です。軽量版はglm-4.7-FlashXが$0.07／$0.4、glm-4.7-Flashは無料です。
• 2026年8月に出たGLM-5.3-Flashは入力$0.15・出力$0.5で、GLM-4.7本体より安くなりました。単価を理由にGLM-4.7本体を選ぶ根拠は消えています。
• GLM Coding Planでglm-4.7を指定すると、リクエストはGLM-5.3-Flashへ自動で転送されます。
• Amazon BedrockのGLM 4.7とGLM 4.7 FlashはLegacyで、提供終了日は2027年3月30日です。Ollamaのクラウド提供は2026年7月15日に終了しました。
• GLM-4.7系は、Flashのローカル実行や無料API、FlashXの低単価、検証済みの重みの固定、思考を無効化できるAPIが必要な場合に候補となります。

GLM-4.7の公開時期とGLM系列での位置

GLM-4.7の重みは2025年12月22日にHugging Faceのzai-org/GLM-4.7として公開されました。同日にFP8版のGLM-4.7-FP8が、2026年1月19日に軽量版のGLM-4.7-Flashが続いています。下表の日付はZ.aiのリリースノートの掲載日で、リリースノートに載らないGLM-4.7-FlashだけHugging Faceの公開日です。

GLM-4.7の公開から8か月でフラッグシップは4回入れ替わりました。ライセンスはMITで、重みを取得済みなら提供終了の影響を受けずに使い続けられます。ただしGLM-5.3の重みはMITではなく独自のGLM-5.3 Licenseなので、GLM系をまとめてMITと扱うことはできません。

GLM-4.7のモデル仕様：358B MoEと202,752トークン

総パラメータ約358Bは、Hugging Faceがsafetensorsから集計した値（358,337,791,296）で、README本文には記載がありません。内訳はconfig.jsonから読み取れます。

GLM-4.7は160個のエキスパートから毎トークン8個だけを使うため、1トークンあたりの計算量は総パラメータの一部で済みます。有効パラメータ数は公式に記載がないので、他モデルと比べるときに数値を補わないでください。MTP層が1つあるのは、後述するvLLMの投機デコード設定（mtp）と対応しています。MTPの仕組みはMTP（Multi-Token Prediction）とは？LLMの複数トークン予測の仕組みと投機的デコーディングでの使い方で解説しています。

コンテキストは設定上202,752トークンです。Z.aiのモデルページはGLM-4.7・FlashX・Flashのいずれも入力200K・最大出力128Kと公称しており、「20万トークン」はこの202,752に由来します。入力200Kと出力128Kを同時には使えず、合計がこの枠に収まるように設計する必要があります。

推奨サンプリングは、既定がtemperature 1.0・top-p 0.95・max new tokens 131,072、Terminal BenchとSWE-benchの評価では0.7・1.0・16,384です。131,072は生成長の上限で、実際の出力長を指定する値ではありません。エージェント用途では、処理時間や費用の制約に合わせて出力上限とタイムアウトを設定してください。

GLM-4.7-Flash：30B-A3Bの軽量版と「Air」の不在

GLM-4.7-Flashの規模と性能

GLM-4.7-FlashのREADMEは、このモデルを「30B-A3B MoE」と説明しています。総パラメータ約30B、1トークンあたりの有効パラメータ約3Bという意味で、本体の約12分の1の規模です。ライセンスは本体と同じMITです。

同じ30B級と比べると、差が大きいのはSWE-bench Verifiedとτ²-Benchで、リポジトリ修正やツール利用に強みがあります。一方、LiveCodeBench v6はQwen3-30B-A3B-Thinking-2507に2ポイント負け、AIME 25はGPT-OSS-20Bとほぼ同点です。いずれも開発元の公称値で、第三者の再現値ではありません。本体との差はSWE-bench Verifiedで14.6ポイントあり、Flashは本体の代わりではなく、手元で動く規模に収めた別の選択肢と考えるのが妥当です。

重みのダウンロード数ではFlashが本体を大きく上回ります。2026年10月20日時点のHugging Face累計ダウンロード（APIのdownloadsAllTime）は、本体の902,738件に対しGLM-4.7-Flashは14,814,399件で、約16倍です。

GLM-4.7-Airの公式掲載状況と派生モデル

「GLM-4.7-Air」というモデルはありません。Hugging Faceのzai-org配下にもZ.aiの料金表にも該当はなく、Air系の最後はGLM-4.5-Airです。GLM-4.7世代の派生は、本体のFP8量子化版GLM-4.7-FP8、重みも公開された軽量版glm-4.7-Flash、API専用の有料高速枠glm-4.7-FlashXの3つです。

GLM-4.6からの差分：エージェント実行に寄った改善

モデルカードのベンチマーク表は全17項目でGLM-4.6と並べています。エージェント系と知識系から8項目を抜粋し、掲載項目内で差が大きい順に並べます。

上位は中国語Web調査、ターミナルでの複数手順の実行、多言語リポジトリの修正、ツールを使う対話で、いずれもエージェントとして動かしたときの成否に効く項目です。知識系のMMLU-Proは+1.1にとどまり、GLM-4.7は知識量より、道具を使って作業を完遂する力に投資した版と読めます。

同じ表のSWE-bench Verifiedでは、GLM-4.7の73.8はClaude Sonnet 4.5の77.2やGemini 3.0 Proの76.2を下回り、DeepSeek-V3.2の73.1をわずかに上回ります。比較相手は2025年末時点のモデルです。

思考モード3種とAPIでの切り替え

GLM-4.7では思考（推論）が既定で有効です。GLM-4.6の既定がハイブリッドだったのとは異なります。Z.aiの思考モードのドキュメントは、次の3つを定義しています。

• Interleaved Thinking：応答の前だけでなく、ツール呼び出しの前後にも推論を挟みます。既定で有効です。
• Preserved Thinking：前のターンの推論内容を文脈に残して再利用します。Coding Planのエンドポイントでは既定で有効、標準APIでは既定で無効です。
• Turn-level Thinking：同じセッションの中で、リクエストごとに思考の有無を切り替えます。GLM-4.7で導入された機能です。

標準APIでPreserved Thinkingを使うには、"clear_thinking": false を指定し、前のターンの reasoning_content を改変せずに送り返します。

from openai import OpenAI

client = OpenAI(api_key="YOUR_ZAI_API_KEY", base_url="https://api.z.ai/api/paas/v4/")
messages = [{"role": "user", "content": "このエラーログの原因を調べて"}]

# 思考あり＋Preserved Thinking
resp = client.chat.completions.create(
    model="glm-4.7",
    messages=messages,
    extra_body={"thinking": {"type": "enabled", "clear_thinking": False}},
)
msg = resp.choices[0].message
# 前ターンの推論(reasoning_content)を改変せずに履歴へ戻す
messages.append({"role": "assistant", "content": msg.content,
                 "reasoning_content": getattr(msg, "reasoning_content", None)})
messages.append({"role": "user", "content": "修正案を1行で"})

# 軽いターンは思考を切る
resp = client.chat.completions.create(
    model="glm-4.7",
    messages=messages,
    extra_body={"thinking": {"type": "disabled"}},
)
print(resp.choices[0].message.content)

GLM-5.3とGLM-5.3-Flashは思考が強制で無効化できないため、「軽いターンは思考オフ」という設計は移行時に見直しが要ります。

GLM-4.7の利用経路と2026年10月の提供状況

Z.ai APIの接続設定とAPIキー

Z.aiのAPIはOpenAI互換で、エンドポイントは https://api.z.ai/api/paas/v4/chat/completions です。上のPythonコードのように、OpenAI SDKのベースURLとモデル名を差し替えれば動きます。Z.aiの料金表では、GLM-4.7は「Latest Models」から外れ、FlashXとFlashは「Other Pricing」に移りましたが、提供終了の告知は見当たりません。

2026年10月16日から、従量課金のStandard API KeyとCoding PlanのAPIキーは別管理になりました。10月16日以降に作ったキーは種類で課金先が決まり、Standardキーをコーディングツールに設定するとCoding Planの枠ではなく従量課金が発生します（APIキー管理の告知）。

GLM Coding PlanのGLM-5.3-Flashへの自動転送

Claude CodeやOpenCodeからGLM Coding Plan経由で glm-4.7 を指定している場合、実際に動いているのはGLM-4.7ではありません。Coding Planの概要ページは、全プランの対応モデルをGLM-5.3とGLM-5.3-Flashとし、「GLM-4.7へのリクエストはGLM-5.3-Flashへ自動で転送する」と明記しています。GLM-5.2とGLM-5.1の指定もGLM-5.3へ転送されます。

Coding Plan経由で取った評価結果はGLM-5.3-Flashのもので、GLM-4.7の評価には使えません。GLM-4.7そのものを試すなら、従量課金のAPIかBedrock、自前サーブを使ってください。Coding Planの料金とクレジット倍率はGLM-5.1とは？754B MoEの性能・VRAMとGGUF、GLM Coding Planの料金【2026年9月】で扱っています。

Amazon BedrockはLegacyで2027年3月30日に終了

Bedrockでは zai.glm-4.7 と zai.glm-4.7-flash が使えます。英語版のモデルカードによると、2モデルとも2026年9月30日にLegacyへ移行し、提供終了日は2027年3月30日です（Bedrockのライフサイクル一覧）。コンテキストは203K、最大出力は128Kで、推論はIn-Regionのみ（Geo・Globalのクロスリージョンは非対応）です。東京リージョン（ap-northeast-1）でIn-Regionで使えます。

日本語版のモデルカードは2026年10月20日時点で「アクティブ」「最大出力4K」のままです。英語版が優先と明記されているので、終了日は英語版で判断してください。

export OPENAI_API_KEY="<Bedrock API key>"
export OPENAI_BASE_URL="https://bedrock-runtime.ap-northeast-1.amazonaws.com/openai/v1"

python - <<'EOF'
from openai import OpenAI
client = OpenAI()
r = client.chat.completions.create(
    model="zai.glm-4.7",
    messages=[{"role": "user", "content": "Amazon Bedrockの特徴を説明して"}],
)
print(r.choices[0].message.content)
EOF

東京のIn-Regionで使い続けるなら、移行先はGLM 5です。GLM 5は東京のIn-Region推論に対応したActiveのモデルですが、GLM 5.3は東京ではGlobalのクロスリージョン推論のみで、GLM-5.3-FlashはBedrockにモデルカードがありません。データを国内に留める要件があるなら、2027年3月30日までにGLM 5で再検証してください。

Ollamaはクラウド終了・ローカルはGLM-4.7-Flashのみ

Ollamaのglm-4.7のページには「glm-4.7 was retired on July 15, 2026」と表示され、glm-4.7:cloud の指定は通りません。2026年10月20日時点でOllamaのクラウドに残るGLMは、glm-5.3・glm-5.3-flash・glm-5.2の3つです。

ローカル実行では glm-4.7-flash が使えます。量子化形式は3種類、タグは別名のlatestを含めて4つです。既定の latest は q4_K_M と同じものです。

ollama pull glm-4.7-flash
ollama run glm-4.7-flash

q4_K_Mの配布サイズは19GBで、16GBのVRAMには全体を載せられません。OllamaはGPUとシステムメモリへの分割配置に対応しているので16GB GPUでも動かせますが、速度は落ちます。全量をGPU側に載せるなら24GB級のVRAMか32GB級のユニファイドメモリが目安で、KVキャッシュの分だけ文脈長と並列数に応じて上積みが要ります。エージェントからローカルのglm-4.7-flashを呼ぶ設定はOpenCodeとは？2.0の変更点・インストール・設定・無料モデルを解説【2026年10月】が参考になります。

vLLM・SGLangによるGLM-4.7本体の自前サーブ設定

本体を自前で動かす場合、モデルカードはFP8版を前提にvLLMとSGLangの起動例を示しています。モデルカードの導入手順は公開当初のmainブランチ向けで、nightlyのwheelかDockerイメージ vllm/vllm-openai:nightly を使います。現在はvLLM v0.20.1の対応モデル一覧にもGLM-4.7とGLM-4.7-Flashが載っており、正式版で動かせます。以下の起動例はモデルカードからの引用です。

pip install -U vllm --pre --index-url https://pypi.org/simple --extra-index-url https://wheels.vllm.ai/nightly

vllm serve zai-org/GLM-4.7-FP8 \
     --tensor-parallel-size 4 \
     --speculative-config.method mtp \
     --speculative-config.num_speculative_tokens 1 \
     --tool-call-parser glm47 \
     --reasoning-parser glm45 \
     --enable-auto-tool-choice \
     --served-model-name glm-4.7-fp8

python3 -m sglang.launch_server \
  --model-path zai-org/GLM-4.7-FP8 \
  --tp-size 8 \
  --tool-call-parser glm47 \
  --reasoning-parser glm45 \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 3 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 4 \
  --mem-fraction-static 0.8 \
  --served-model-name glm-4.7-fp8 \
  --host 0.0.0.0 \
  --port 8000

見落としやすいのはパーサ名です。ツール呼び出しは glm47、推論ブロックの分離は glm45 と別の名前を渡します。取り違えると、ツール呼び出しが本文テキストとして返ってきます。重みはbfloat16で約716GB、FP8でも約358GBあり、起動例のテンソル並列は4〜8です。GLM-4.7-Flashも同じパーサ名で、起動例のテンソル並列は4になっています。

GLM-4.7の料金とGLM-5.3世代での選び方

Z.ai APIの料金比較

100万トークンあたりのUSDです（Z.ai料金表、2026年10月20日時点）。最後の列は、入力100万・出力10万トークンを処理したときの費用を計算したものです。

GLM-5.2が最新だった2026年7月までは、GLM-4.7本体の入力単価がGLM-5.2の約2.3分の1、出力単価が2分の1で、安さを理由に4.7を残す判断が成り立ちました。2026年8月にGLM-5.3-Flashが出て、この前提は崩れています。同じ処理量でGLM-4.7本体は$0.82、GLM-5.3-Flashは$0.20で、後発のほうが約4分の1の費用です。GLM-5.3-FlashのREADMEは320B-A18BでGLM-5.2を上回ると公称しています（開発元の主張で第三者の再現値ではありません）。

GLM-4.7系を選ぶ条件・選ばない条件

Z.aiのAPIで新規採用するなら、単価ではGLM-5.3-Flashが有利です。それでもGLM-4.7系が候補に残るのは次の場面です。

• 手元で動かしたい：GLM-4.7-Flashはq4_K_Mで19GBです。GLM-5.3-Flashは320B規模でFP8の重みだけで約320GB相当あり、大容量メモリや複数GPUが要ります。
• 無料で試したい：glm-4.7-Flashは料金表で入力・出力とも無料で、トークン料金をかけずに試せます。
• 単価をさらに下げたい：glm-4.7-FlashXは入力$0.07・出力$0.4で、GLM-5.3-Flash（$0.15・$0.5）より入力・出力とも安く、必要な精度を満たすなら費用を最も抑えられる有料モデルです。
• 軽いターンで思考を切りたい：GLM-4.7はAPIで思考を無効化できますが、GLM-5.3とGLM-5.3-Flashは思考が強制です。応答の遅延を短くしたい対話や分類では、この差が単価差より効く場合があります。
• 検証済みの重みを固定したい：MITで公開済みの重みは後から条件が変わりません。モデル変更に伴う再評価の範囲を抑えられます。ただし、量子化方式や推論エンジン、生成設定を変更した場合は出力特性の再確認が必要です。

逆に、Coding Plan経由、Bedrockで2027年4月以降も動かす計画、Ollamaのクラウド前提のいずれかなら、GLM-4.7を指定する意味はありません。1つ目は自動でGLM-5.3-Flashに切り替わり、残り2つは提供が終わります。長時間の自律作業も、Terminal Bench 2.0で41.0という水準は後継で更新されているので、後継を選ぶべきです。

社内の業務にオープンウェイトLLMを組み込む際の、モデル選定から検証環境づくりまでは生成AI導入支援で相談を受け付けています。中国発のオープンウェイトを横並びで比べるなら、DeepSeek-V3.2とは？V3.2-Speciale・DSAの仕組みと性能・使い方・料金を徹底解説も同時期の選択肢です。

よくある質問

GLM-4.7-Airはありますか？

ありません。Air系はGLM-4.5-Airが最後で、GLM-4.7世代の軽量枠はglm-4.7-Flash（30B-A3B）とAPI専用のglm-4.7-FlashXです。

GLMは無料で使えますか？

Z.aiの料金表では、glm-4.7-Flashは入力・出力とも無料です。重みもMITで公開されているので、Ollamaの glm-4.7-flash を使えばローカル環境でも無料で動かせます。GLM-4.7本体と5系のAPIは有料です。

Ollamaでglm-4.7:cloudは使えますか？

使えません。クラウド提供は2026年7月15日に終了しました。ローカル実行ならglm-4.7-flashが使えます。

Coding Planでglm-4.7を指定するとどのモデルが動きますか？

GLM-5.3-Flashが動きます。Coding Planの概要ページが、GLM-4.7へのリクエストをGLM-5.3-Flashへ自動転送すると明記しています。GLM-4.7そのものを使いたい場合は、従量課金のStandard API KeyでZ.aiのAPIを呼んでください。

GLM-4.7をローカルで動かすにはどれくらいのメモリが必要ですか？

本体はFP8でも重みだけで約358GB相当になり、掲載した起動例ではGPU4〜8枚を使います。必要枚数はGPUごとの容量と実行設定によって変わります。1台で動かすならGLM-4.7-Flashのq4_K_M（19GB）を選び、24GB以上のVRAMかユニファイドメモリ32GB以上のMacを用意してください。

関連記事

• GLM（Z.ai）とは？最新GLM-5.3までの世代一覧と料金・使い方
• GLM-5.1とは？754B MoEの性能・VRAMとGGUF、GLM Coding Planの料金【2026年9月】
• GLM-OCRとは？0.9Bの実体と日本語精度・vLLM/Ollama導入手順とAPI料金
• OpenCodeとは？2.0の変更点・インストール・設定・無料モデルを解説【2026年10月】
• DeepSeek-V3.2とは？V3.2-Speciale・DSAの仕組みと性能・使い方・料金を徹底解説