GLM-4.7-Flash: ローカルでの実行方法

GLM-4.7-Flash をローカルで実行およびファインチューニングしましょう！

GLM-4.7-Flash は Z.ai の新しいローカル展開向け 30B MoE 推論モデルで、コーディング、エージェンティックなワークフロー、チャットにおいて最高クラスの性能を発揮します。約 36 億のパラメータを使用し、200K のコンテキストをサポートし、SWE-Bench、GPQA、推論／チャットベンチマークでトップを走っています。

GLM-4.7-Flash は次で動作します 24GB RAM/VRAM/統一メモリ（フルプレシジョンでは 32GB）で、Unsloth によるファインチューニングが可能です。vLLM で GLM 4.7 Flash を実行するには、こちらを参照してください GLM-4.7-Flash

1月21日アップデート： llama.cpp 誤った scoring_func: 「softmax」 （本来は 「sigmoid」）であるべきでした。これによりループや低品質な出力が発生していました。GGUF を更新しました — より良い出力を得るためにモデルを再ダウンロードしてください。

Z.ai 推奨のパラメータを使えば素晴らしい結果が得られます：

• 一般的なユースケースの場合： --temp 1.0 --top-p 0.95

• ツールコーリングの場合： --temp 0.7 --top-p 1.0

• リピートペナルティ： 無効にするか、次を設定してください --repeat-penalty 1.0

1月22日：CUDA の FA 修正がマージされ、高速な推論が利用可能になりました。

実行チュートリアルファインチューニング

GLM-4.7-Flash を実行するための GGUF： unsloth/GLM-4.7-Flash-GGUF

⚙️ 使用ガイド

最高のパフォーマンスを得るには、ダウンロードする量子化モデルファイルのサイズを合計利用可能メモリ（VRAM + システムRAM）が上回っていることを確認してください。満たしていない場合、llama.cpp は SSD/HDD オフローディングで動作しますが、推論は遅くなります。

Z.ai チームと相談した結果、彼らの GLM-4.7 サンプリングパラメータの使用を推奨します：

デフォルト設定（ほとんどのタスク）	Terminal Bench、SWE Bench 検証済み
temperature = 1.0	temperature = 0.7
top_p = 0.95	top_p = 1.0
repeat penalty = 無効または 1.0	repeat penalty = 無効または 1.0

• 一般的なユースケースの場合： --temp 1.0 --top-p 0.95

• ツールコーリングの場合： --temp 0.7 --top-p 1.0

• llama.cpp を使う場合は、次を設定してください --min-p 0.01 （llama.cpp のデフォルトは 0.05 です）

• 場合によっては、ユースケースに最適な数値を試行する必要があります。

現時点では、私たちは おすすめしません この GGUF を次で実行することを Ollama チャットテンプレート互換性の問題が起こる可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan などのバックエンド）でうまく動作します。

リピートペナルティを無効にすることを忘れないでください！あるいは次を設定してください --repeat-penalty 1.0

• 最大コンテキストウィンドウ： 202,752

🖥️ GLM-4.7-Flash を実行する

ユースケースに応じて異なる設定を使用する必要があります。モデルアーキテクチャ（例えば gpt-oss）が 128 で割り切れない次元を持つと、一部が低ビットに量子化できないため、いくつかの GGUF が同程度のサイズになることがあります。

このガイドでは 4 ビットを使用するため、約 18GB の RAM/統一メモリが必要です。最高のパフォーマンスのために少なくとも 4 ビット精度を使用することを推奨します。

現時点では、私たちは おすすめしません この GGUF を次で実行することを Ollama チャットテンプレート互換性の問題が起こる可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan などのバックエンド）でうまく動作します。

リピートペナルティを無効にすることを忘れないでください！あるいは次を設定してください --repeat-penalty 1.0

Llama.cpp チュートリアル（GGUF）：

llama.cpp での実行手順（ほとんどのデバイスに合わせて 4 ビットを使います）：

1

最新のものを入手してください llama.cpp で GitHub はこちらからビルド手順に従うこともできます。次を変更してください -DGGML_CUDA=ON を -DGGML_CUDA=OFF GPU を持っていない、または CPU 推論のみを行いたい場合は。

apt-get update
apt-get install pciutils build-essential cmake curl libcurl4-openssl-dev -y
git clone https://github.com/ggml-org/llama.cpp
cmake llama.cpp -B llama.cpp/build \
    -DBUILD_SHARED_LIBS=OFF -DGGML_CUDA=ON
cmake --build llama.cpp/build --config Release -j --clean-first --target llama-cli llama-mtmd-cli llama-server llama-gguf-split
cp llama.cpp/build/bin/llama-* llama.cpp

2

Hugging Face から直接プルできます。RAM/VRAM に応じてコンテキストを 200K まで増やせます。

また Z.ai 推奨の GLM-4.7 サンプリングパラメータを試すこともできます：

• 一般的なユースケースの場合： --temp 1.0 --top-p 0.95

• ツールコーリングの場合： --temp 0.7 --top-p 1.0

• リピートペナルティを無効にすることを忘れないでください！

以下は 一般的な使用法 ユースケース：

./llama.cpp/llama-cli \
    -hf unsloth/GLM-4.7-Flash-GGUF:UD-Q4_K_XL \
    --ctx-size 16384 \
    --temp 1.0 --top-p 0.95 --min-p 0.01

以下は tool-calling ユースケース：

./llama.cpp/llama-cli \
    -hf unsloth/GLM-4.7-Flash-GGUF:UD-Q4_K_XL \
    --ctx-size 16384 \
    --temp 0.7 --top-p 1.0 --min-p 0.01

3

（pip install huggingface_hub をインストールした後に）モデルを次でダウンロードします： pip install huggingface_hub）。次のいずれかを選べます UD-Q4_K_XL または他の量子化バージョン。ダウンロードが止まる場合は、次を参照してください Hugging Face Hub、XET デバッグ

pip install -U huggingface_hub
hf download unsloth/GLM-4.7-Flash-GGUF \
    --local-dir unsloth/GLM-4.7-Flash-GGUF \
    --include "*UD-Q2_K_XL*"

4

その後、会話モードでモデルを実行します：

./llama.cpp/llama-cli \
    --model unsloth/GLM-4.7-Flash-GGUF/GLM-4.7-Flash-UD-Q4_K_XL.gguf \
    --ctx-size 16384 \
    --seed 3407 \
    --temp 1.0 \
    --top-p 0.95 \
    --min-p 0.01

また、必要に応じて コンテキストウィンドウ を調整してください（最大まで） 202752

➿反復やループの削減

1月21日アップデート：llama.cpp は誤って指定されていた次の項目のバグを修正しました 「scoring_func": "softmax"」 これによりループや低品質な出力が発生していました（本来は sigmoid であるべきでした）。GGUF を更新しました。より良い出力のためにモデルを再ダウンロードしてください。

これにより、Z.ai 推奨のパラメータを使用して優れた結果を得られるようになりました：

• 一般的なユースケースの場合： --temp 1.0 --top-p 0.95

• ツールコーリングの場合： --temp 0.7 --top-p 1.0

• llama.cpp を使う場合は、次を設定してください --min-p 0.01 （llama.cpp のデフォルトは 0.05 です）

• リピートペナルティを無効にすることを忘れないでください！あるいは次を設定してください --repeat-penalty 1.0

以下を追加しました 「scoring_func": "sigmoid" を config.json をメインモデル用に — 参照してください.

現時点では、私たちは おすすめしません この GGUF を次で実行することを Ollama チャットテンプレート互換性の問題が起こる可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan などのバックエンド）でうまく動作します。

🐦UD-Q4_K_XL を使った Flappy Bird の例

例として、UD-Q4_K_XL を使用して次のような長い会話を行いました： ./llama.cpp/llama-cli --model unsloth/GLM-4.7-Flash-GGUF/GLM-4.7-Flash-UD-Q4_K_XL.gguf --fit on --temp 1.0 --top-p 0.95 --min-p 0.01 :

こんにちは
2+2 はいくつですか
Python で Flappy Bird ゲームを作って
Rust でまったく別のゲームを作って
両方のバグを見つけて
最初に言及したゲームを単独の HTML ファイルにしてください
バグを見つけて修正したゲームを示してください

結果として次の Flappy Bird ゲームを HTML 形式でレンダリングしました：

HTML の Flappy Bird ゲーム（展開可能）

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0, maximum-scale=1.0, user-scalable=no">
    <title>Flappy Bird Fixed</title>
    <style>
        body {
            margin: 0;
            display: flex;
            justify-content: center;
            align-items: center;
            height: 100vh;
            background-color: #222;
            font-family: 'Arial', sans-serif;
            overflow: hidden;
            user-select: none;
            -webkit-user-select: none;
            touch-action: none; /* Prevents zoom on mobile */
        }

        #game-container {
            position: relative;
            box-shadow: 0 0 20px rgba(0,0,0,0.5);
        }

        canvas {
            background-color: #87CEEB;
            display: block;
            border-radius: 4px;
        }

        /* UI Overlays */
        #ui-layer {
            position: absolute;
            top: 0;
            left: 0;
            width: 100%;
            height: 100%;
            pointer-events: none;
            display: flex;
            flex-direction: column;
            justify-content: center;
            align-items: center;
            text-align: center;
        }

        #score-display {
            position: absolute;
            top: 40px;
            left: 50%;
            transform: translateX(-50%);
            font-size: 48px;
            font-weight: bold;
            color: white;
            text-shadow: 3px 3px 0 #000;
            z-index: 10;
            font-family: 'Courier New', Courier, monospace;
        }

        #start-screen, #game-over-screen {
            background: rgba(0, 0, 0, 0.7);
            width: 100%;
            height: 100%;
            display: flex;
            flex-direction: column;
            justify-content: center;
            align-items: center;
            color: white;
            pointer-events: auto; /* Allow clicks */
            cursor: pointer;
        }

        h1 { margin: 0 0 10px 0; font-size: 60px; text-shadow: 4px 4px 0 #000; line-height: 1; }
        p { font-size: 22px; margin: 10px 0; color: #ddd; }
        
        .btn {
            background: linear-gradient(to bottom, #ffeb3b, #fbc02d);
            border: 3px solid #fff;
            color: #333;
            padding: 15px 40px;
            font-size: 28px;
            font-weight: bold;
            cursor: pointer;
            border-radius: 8px;
            box-shadow: 0 6px 0 #c49000, 0 10px 10px rgba(0,0,0,0.3);
            text-transform: uppercase;
            transition: all 0.1s;
            margin-top: 10px;
        }

        .btn:active {
            transform: translateY(4px);
            box-shadow: 0 2px 0 #c49000, 0 4px 4px rgba(0,0,0,0.3);
        }

        .score-board {
            background: #ded895;
            border: 2px solid #543847;
            padding: 20px 40px;
            border-radius: 10px;
            box-shadow: 4px 4px 0 #543847;
            margin-bottom: 30px;
            display: none;
            border: 4px solid #543847;
        }
        
        .score-board h2 { margin: 0 0 5px 0; color: #e86101; font-size: 40px; }
        .score-board span { font-size: 20px; color: #543847; display: block; text-align: center; }

    </style>
</head>
<body>

    <div id="game-container">
        <canvas id="gameCanvas" width="400" height="600"></canvas>
        
        <div id="score-display">0</div>

        <div id="ui-layer">
            <div id="start-screen">
                <h1>FLAPPY<br>BIRD</h1>
                <p>タップまたはスペースキーを押して開始</p>
                <button class="btn" style="display:none;" id="touch-instruction">クリックして開始</button>
            </div>

            <div id="game-over-screen">
                <h1>GAME OVER</h1>
                <div class="score-board" id="score-board">
                    <h2>Score: <span id="final-score">0</span></h2>
                </div>
                <button class="btn" id="restart-btn">再挑戦</button>
            </div>
        </div>
    </div>

<script>
    const canvas = document.getElementById('gameCanvas');
    const ctx = canvas.getContext('2d');

    // --- Constants ---
    const GRAVITY = 0.35; // より良い手触りのためにやや強めの重力
    const JUMP_STRENGTH = -6.5;
    const PIPE_GAP = 180;
    const PIPE_WIDTH = 60;
    const PIPE_SPEED = 2.5;
    const PIPE_SPAWN_RATE = 100;

    // --- State ---
    let frames = 0;
    let score = 0;
    let isGameOver = false;
    let isPlaying = false;
    let gameLoopId;

    const ui = {
        startScreen: document.getElementById('start-screen'),
        gameOverScreen: document.getElementById('game-over-screen'),
        scoreDisplay: document.getElementById('score-display'),
        scoreBoard: document.getElementById('score-board'),
        finalScore: document.getElementById('final-score'),
        restartBtn: document.getElementById('restart-btn')
    };

    const bird = {
        x: 80,
        y: 150,
        radius: 12, // 固定半径
        velocity: 0,
        
        draw: function() {
            // 見た目の演出のため速度に応じて鳥を回転
            let angle = Math.min(Math.PI / 4, Math.max(-Math.PI / 4, (this.velocity * 0.1)));
            
            ctx.save();
            ctx.translate(this.x, this.y);
            ctx.rotate(angle);
            
            // 体を描く
            ctx.fillStyle = '#FFD700';
            ctx.beginPath();
            ctx.arc(0, 0, this.radius, 0, Math.PI * 2);
            ctx.fill();
            
            // 目
            ctx.fillStyle = 'white';
            ctx.beginPath();
            ctx.arc(4, -4, 4, 0, Math.PI * 2);
            ctx.fill();
            ctx.fillStyle = 'black';
            ctx.beginPath();
            ctx.arc(6, -4, 2, 0, Math.PI * 2);
            ctx.fill();
            
            // 翼
            ctx.fillStyle = '#FFA500';
            ctx.beginPath();
            ctx.arc(-4, 4, 5, 0, Math.PI * 2);
            ctx.fill();

            ctx.restore();
        },

        update: function() {
            this.velocity += GRAVITY;
            this.y += this.velocity;
        },

        jump: function() {
            this.velocity = JUMP_STRENGTH;
        },

        reset: function() {
            this.y = 150;
            this.velocity = 0;
        }
    };

    let pipes = [];

    function createPipe() {
        const minHeight = 50;
        const maxPos = canvas.height - PIPE_GAP - minHeight;
        const topHeight = Math.floor(Math.random() * (maxPos - minHeight + 1)) + minHeight;
        
        pipes.push({
            x: canvas.width,
            topHeight: topHeight,
            bottomY: topHeight + PIPE_GAP,
            width: PIPE_WIDTH,
            passed: false
        });
    }

    function drawPipes() {
        ctx.fillStyle = '#2ecc71';
        ctx.strokeStyle = '#27ae60';
        ctx.lineWidth = 2;
        
        pipes.forEach(pipe => {
            // 上のパイプ
            ctx.fillRect(pipe.x, 0, pipe.width, pipe.topHeight);
            ctx.strokeRect(pipe.x, 0, pipe.width, pipe.topHeight);
            
            // 下のパイプ
            ctx.fillRect(pipe.x, pipe.bottomY, pipe.width, canvas.height - pipe.bottomY);
            ctx.strokeRect(pipe.x, pipe.bottomY, pipe.width, canvas.height - pipe.bottomY);

            // キャップ
            const capH = 20;
            ctx.fillStyle = '#27ae60'; 
            ctx.fillRect(pipe.x - 2, pipe.topHeight - capH, pipe.width + 4, capH);
            ctx.fillRect(pipe.x - 2, pipe.bottomY, pipe.width + 4, capH);
        });
    }

    function updatePipes() {
        if (frames % PIPE_SPAWN_RATE === 0) createPipe();

        for (let i = 0; i < pipes.length; i++) {
            let p = pipes[i];
            p.x -= PIPE_SPEED;

            // --- 衝突検出を修正 ---
            // 鳥を半径 'bird.radius' の円として扱う
            // パイプは矩形：x, x+w, y_top, y_bottom
            let birdLeft = bird.x - bird.radius;
            let birdRight = bird.x + bird.radius;
            let birdTop = bird.y - bird.radius;
            let birdBottom = bird.y + bird.radius;

            // 横方向の重なり
            if (birdRight > p.x && birdLeft < p.x + p.width) {
                // 縦方向の重なり（上のパイプに当たる OR 下のパイプに当たる）
                if (birdTop < p.topHeight || birdBottom > p.bottomY) {
                    gameOver();
                }
            }

            // --- スコア付けを修正 ---
            // パイプが画面左外に出ており、まだスコアされていない場合
            if (p.x + p.width < 0 && !p.passed) {
                score++;
                p.passed = true;
                ui.scoreDisplay.innerText = score;
            }

            if (p.x < -60) {
                pipes.shift();
                i--;
            }
        }
    }

    function checkCollisions() {
        // 床
        if (bird.y + bird.radius >= canvas.height) {
            gameOver();
        }
        // 天井
        if (bird.y - bird.radius <= 0) {
            bird.y = bird.radius;
            bird.velocity = 0;
        }
    }

    function drawBackground() {
        // クリア
        ctx.clearRect(0, 0, canvas.width, canvas.height);
        
        // 床
        ctx.fillStyle = '#654321';
        ctx.fillRect(0, canvas.height - 10, canvas.width, 10);
        
        // 雲
        ctx.fillStyle = "rgba(255, 255, 255, 0.6)";
        for(let i=0; i<4; i++) {
            let x = (frames * 0.5 + i * 150) % (canvas.width + 100) - 50;
            let y = (i * 40) + 20;
            let scale = 1 + (Math.sin(frames * 0.02 + i) * 0.1);
            let size = 30 * scale;
            ctx.beginPath();
            ctx.arc(x, y, size, 0, Math.PI * 2);
            ctx.arc(x + 20*scale, y - 10*scale, size * 1.2, 0, Math.PI * 2);
            ctx.arc(x + 40*scale, y, size, 0, Math.PI * 2);
            ctx.fill();
        }
    }

    function update() {
        if (!isPlaying) return;
        bird.update();
        updatePipes();
        checkCollisions();
        frames++;
    }

    function draw() {
        drawBackground();
        drawPipes();
        bird.draw();
    }

    function loop() {
        update();
        draw();
        if (isPlaying || !isGameOver) {
            gameLoopId = requestAnimationFrame(loop);
        }
    }

    function startGame() {
        isPlaying = true;
        isGameOver = false;
        
        // UI
        ui.startScreen.style.display = 'none';
        ui.gameOverScreen.style.display = 'none';
        ui.scoreBoard.style.display = 'none';
        
        // ロジック
        bird.reset();
        pipes = [];
        score = 0;
        frames = 0;
        ui.scoreDisplay.innerText = '0';
        
        loop();
    }

    function gameOver() {
        isPlaying = false;
        isGameOver = true;
        cancelAnimationFrame(gameLoopId);
        
        ui.finalScore.innerText = score;
        ui.gameOverScreen.style.display = 'flex';
        ui.scoreBoard.style.display = 'block';
    }

    // --- 入力ハンドリング ---

    function handleInput(e) {
        if (e.type === 'keydown' && e.code === 'Space') e.preventDefault();

        if (isPlaying) {
            bird.jump();
        } else if (!isGameOver) {
            // スタート画面でのクリック（またはゲーム未開始時の任意のクリック）
            startGame();
        }
    }

    // キーボード
    window.addEventListener('keydown', (e) => {
        if (e.code === 'Space') handleInput(e);
    });

    // マウス / タッチ
    window.addEventListener('mousedown', handleInput);
    window.addEventListener('touchstart', (e) => {
        // ズーム／スクロールを防止
        // e.preventDefault(); 
        handleInput(e);
    }, {passive: false});

    // UI の相互作用
    ui.restartBtn.addEventListener('click', (e) => {
        e.stopPropagation();
        startGame();
    });
    
    // Game Over オーバーレイをクリックして再スタートを許可する
    ui.gameOverScreen.addEventListener('mousedown', (e) => {
        if(e.target === ui.gameOverScreen) startGame();
    });
    ui.gameOverScreen.addEventListener('touchstart', (e) => {
        if(e.target === ui.gameOverScreen) {
            e.preventDefault();
            startGame();
        }
    });

    // 初期描画
    drawBackground();
    bird.reset();
    bird.draw();

</script>
</body>
</html>

そしていくつかスクリーンショットを撮りました（4bitで動作します）：

🦥 GLM-4.7-Flash のファインチューニング

Unsloth は now GLM-4.7-Flash のファインチューニングをサポートします が、ただし次を使用する必要があります transformers v5。30B モデルは無料の Colab GPU には収まりません；ただし、当社のノートブックを使用できます。GLM-4.7-Flash の 16-bit LoRA ファインチューニングは約 60GB VRAM:

• GLM-4.7-Flash SFT LoRA ノートブック

A100 40GB VRAM を使用する際に時々メモリ不足が発生することがあります。よりスムーズに実行するには H100/A100 80GB VRAM を使用する必要があります。

Google Colabcolab.research.google.com

MoE のファインチューニングでは、ルーターレイヤーをファインチューニングするのはあまり良い考えではないため、デフォルトで無効にしました。推論能力を維持したい場合（任意）、直接回答とチェーン・オブ・ソート（思考の連鎖）の例を混ぜて使用できます。少なくとも 75% 推論（reasoning） と 25% 非推論（non-reasoning） をデータセットに含めてモデルが推論能力を保持するようにしてください。

🦙Llama-server のサービングとデプロイ

GLM-4.7-Flash を本番展開するには、我々は次を使用します llama-server 新しいターミナルで（例えば tmux 経由で）、次のようにモデルをデプロイします：

./llama.cpp/llama-server \
    --model unsloth/GLM-4.7-Flash-GGUF/GLM-4.7-Flash-UD-Q4_K_XL.gguf \
    --alias "unsloth/GLM-4.7-Flash" \
    --seed 3407 \
    --temp 1.0 \
    --top-p 0.95 \
    --min-p 0.01 \
    --ctx-size 16384 \
    --port 8001

次に新しいターミナルで、 pip install openaiを行った後、次を実行します：

from openai import OpenAI
import json
openai_client = OpenAI(
    base_url = "http://127.0.0.1:8001/v1",
    api_key = "sk-no-key-required",
)
completion = openai_client.chat.completions.create(
    model = "unsloth/GLM-4.7-Flash",
    messages = [{"role": "user", "content": "What is 2+2?"},],
)
print(completion.choices[0].message.content)

これは次を出力します

ユーザーが簡単な質問をします：「2+2は何ですか？」答えは4です。回答を提供してください。

2 + 2 = 4.

💻 vLLM における GLM-4.7-Flash

今すぐ我々の新しい FP8 Dynamic quant をプレミアムで高速な推論のためにモデルに使用できます。まず nightly から vLLM をインストールしてください：

uv pip install --upgrade --force-reinstall vllm --torch-backend=auto --extra-index-url https://wheels.vllm.ai/nightly/cu130
uv pip install --upgrade --force-reinstall git+https://github.com/huggingface/transformers.git
uv pip install --force-reinstall numba

次にサーブします Unsloth の動的 FP8 バージョン のモデルを。FP8 を有効にして KV キャッシュのメモリ使用量を 50% 削減し、4 GPU 上での動作を可能にしました。GPU が 1 台しかない場合は、次を使用してください CUDA_VISIBLE_DEVICES='0' そして次を設定します --tensor-parallel-size 1 またはこの引数を削除してください。FP8 を無効にするには、次を削除します --quantization fp8 --kv-cache-dtype fp8

export PYTORCH_CUDA_ALLOC_CONF=expandable_segments:False
CUDA_VISIBLE_DEVICES='0,1,2,3' vllm serve unsloth/GLM-4.7-Flash-FP8-Dynamic \
    --served-model-name unsloth/GLM-4.7-Flash \
    --tensor-parallel-size 4 \
    --tool-call-parser glm47 \
    --reasoning-parser glm45 \
    --enable-auto-tool-choice \
    --dtype bfloat16 \
    --seed 3407 \
    --max-model-len 200000 \
    --gpu-memory-utilization 0.95 \
    --max_num_batched_tokens 16384 \
    --port 8001 \
    --kv-cache-dtype fp8

その後、OpenAI API 経由でサーブされたモデルを呼び出すことができます：

from openai import AsyncOpenAI, OpenAI
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:8001/v1"
client = OpenAI( # または AsyncOpenAI
    api_key=openai_api_key,
    base_url=openai_api_base,
)

⭐ vLLM GLM-4.7-Flash の Speculative Decoding

GLM 4.7 Flash の MTP（multi token prediction）モジュールを使用すると、1 台の B200 での生成スループットが 13,000 トークンから 1,300 トークンに低下することを確認しました！（10倍遅い）Hopper では問題ないはずです。

    --speculative-config.method mtp \
    --speculative-config.num_speculative_tokens 1

1xB200 でのスループットはわずか 1,300 トークン／秒（ユーザーごとのデコードは 130 トークン／秒）

そして 1xB200 でのスループットは 13,000 トークン／秒（それでもユーザーごとのデコードは 130 トークン／秒）

🔨GLM-4.7-Flash によるツール呼び出し

詳細については次を参照してください Tool Calling Guide ツール呼び出しの方法についての詳細はここを参照してください。新しいターミナルで（tmux を使用している場合は CTRL+B+D を使って）、2つの数値の加算、Python コードの実行、Linux 機能の実行など多くのツールを作成します：

import json, subprocess, random
from typing import Any
def add_number(a: float | str, b: float | str) -> float:
    return float(a) + float(b)
def multiply_number(a: float | str, b: float | str) -> float:
    return float(a) * float(b)
def substract_number(a: float | str, b: float | str) -> float:
    return float(a) - float(b)
def write_a_story() -> str:
    return random.choice([
        "ずっと昔、遠い銀河系で...",
        "コードとナマケモノを愛する2人の友達がいた...",
        "すべてのナマケモノが超人的な知能を持つように進化したため、世界は終わりかけていた...",
        "一方の友人が知らないうちに、もう一人がナマケモノを進化させるプログラムを誤ってコーディングしてしまった...",
    ])
def terminal(command: str) -> str:
    if "rm" in command or "sudo" in command or "dd" in command or "chmod" in command:
        msg = "危険なため 'rm, sudo, dd, chmod' コマンドは実行できません"
        print(msg); return msg
    print(f"ターミナルコマンド `{command}` を実行します")
    try:
        return str(subprocess.run(command, capture_output = True, text = True, shell = True, check = True).stdout)
    except subprocess.CalledProcessError as e:
        return f"コマンドに失敗しました: {e.stderr}"
def python(code: str) -> str:
    data = {}
    exec(code, data)
    del data["__builtins__"]
    return str(data)
MAP_FN = {
    "add_number": add_number,
    "multiply_number": multiply_number,
    "substract_number": substract_number,
    "write_a_story": write_a_story,
    "terminal": terminal,
    "python": python,
}
tools = [
    {
        "type": "function",
        "function": {
            "name": "add_number",
            "description": "2つの数を加算します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "2番目の数。",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "multiply_number",
            "description": "2つの数を乗算します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "2番目の数。",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "substract_number",
            "description": "2つの数を減算します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "2番目の数。",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "write_a_story",
            "description": "ランダムな物語を書きます。",
            "parameters": {
                "type": "object",
                "properties": {},
                "required": [],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "terminal",
            "description": "ターミナルから操作を実行します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "command": {
                        "type": "string",
                        "description": "起動したいコマンド、例: `ls`, `rm`, ...",
                    },
                },
                "required": ["command"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "python",
            "description": "実行する Python コードで Python インタプリタを呼び出します。",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {
                        "type": "string",
                        "description": "実行する Python コード",
                    },
                },
                "required": ["code"],
            },
        },
    },
]

その後、以下の関数を使用します（コピーして貼り付けて実行）これらは関数呼び出しを自動で解析し、任意のモデルの OpenAI エンドポイントを呼び出します：

from openai import OpenAI
def unsloth_inference(
    messages,
    temperature = 0.7,
    top_p = 1.0,
    top_k = -1,
    repetition_penalty = 0.0,
):
    messages = messages.copy()
    openai_client = OpenAI(
        base_url = "http://127.0.0.1:8001/v1",
        api_key = "sk-no-key-required",
    )
    model_name = next(iter(openai_client.models.list())).id
    print(f"使用モデル = {model_name}")
    has_tool_calls = True
    original_messages_len = len(messages)
    while has_tool_calls:
        print(f"現在の messages = {messages}")
        response = openai_client.chat.completions.create(
            model = model_name,
            messages = messages,
            temperature = temperature,
            top_p = top_p,
            tools = tools if tools else None,
            tool_choice = "auto" if tools else None,
            extra_body = {"top_k": top_k, "min_p": min_p, "dry_multiplier" :repetition_penalty,}
        )
        tool_calls = response.choices[0].message.tool_calls or []
        content = response.choices[0].message.content or ""
        tool_calls_dict = [tc.to_dict() for tc in tool_calls] if tool_calls else tool_calls
        messages.append({"role": "assistant", "tool_calls": tool_calls_dict, "content": content,})
        for tool_call in tool_calls:
            fx, args, _id = tool_call.function.name, tool_call.function.arguments, tool_call.id
            out = MAP_FN[fx](**json.loads(args))
            messages.append({"role": "tool", "tool_call_id": _id, "name": fx, "content": str(out),})
        else:
            has_tool_calls = False
    return messages

GLM-4.7-Flash を起動した後、 llama-server のように、 GLM-4.7-Flash または詳細は次を参照してください Tool Calling Guide 詳細については、次のようにいくつかのツール呼び出しを実行できます：

GLM 4.7 用の数学演算のためのツール呼び出し

messages = [{
    "role": "user",
    "content": [{"type": "text", "text": "今日の日付に3日加えると何日ですか？"}],
}]
unsloth_inference(messages, temperature = 1.0, top_p = 0.95, top_k = -1, min_p = 0.01)

GLM-4.7-Flash 用に生成された Python コードを実行するためのツール呼び出し

messages = [{
    "role": "user",
    "content": [{"type": "text", "text": "Python でフィボナッチ関数を作成し fib(20) を求めてください。"}],
}]
unsloth_inference(messages, temperature = 1.0, top_p = 0.95, top_k = -1, min_p = 0.01)

ベンチマーク

GLM-4.7-Flash は AIME 25 を除くすべてのベンチマークで最も高性能な 30B モデルです。

ベンチマーク	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