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＆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、エージェントワークフロー、チャットにおいて優れた性能を提供します。約 36 億パラメータを使用し、200K コンテキストをサポートし、SWE-Bench、GPQA、および推論／チャットベンチマークで先導しています。

GLM-4.7-Flash は 24GBのRAM/VRAM/統合メモリ（フル精度で 32GB）で動作し、現在 Unsloth でファインチューニングできます。vLLM で GLM 4.7 Flash を実行するには、次を参照してください GLM-4.7-Flash

1月21日更新： llama.cpp 誤ったものを指定するバグを修正しました scoring_func: 「softmax」 （本来は 「sigmoid」）。これによりループや品質の低い出力が生じていました。GGUF を更新しましたので、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用して素晴らしい結果を得られます：

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

• ツールコールの場合： --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 修正がマージされたため、推論が高速化されました。

実行チュートリアルファインチューニング

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

⚙️ 使用ガイド

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を使用することを推奨しています：

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

• ツールコールの場合： --temp 0.7 --top-p 1.0

• llama.cpp を使用する場合は、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 のため）

• ユースケースによっては、どの数値が最適か実験が必要な場合があります。

現時点では、我々は をお勧めしません この GGUF を次で実行すること： Ollama チャットテンプレートの互換性の問題が発生する可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan 等のバックエンド）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！また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

ユースケースによって異なる設定を使用する必要があります。いくつかのGGUFはモデルアーキテクチャ（例えば gpt-oss）の次元が128で割り切れないため、サイズが似通ってしまい、一部を低ビットで量子化できません。

このガイドは 4 ビットを使用するため、約 18GB の RAM/統合メモリが必要になります。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、我々は をお勧めしません この GGUF を次で実行すること： Ollama チャットテンプレートの互換性の問題が発生する可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan 等のバックエンド）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！また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収めるために4ビットを使用します）：

1

最新の llama.cpp を GitHub で入手できます。下のビルド手順に従うこともできます。変更してください -DGGML_CUDA=ON から -DGGML_CUDA=OFF GPU がない場合や 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

• ツールコールの場合： --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！

次に従ってください（用途別）： 一般的な指示 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

次に従ってください（用途別）： ツール呼び出し 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

（以下をインストールした後に）モデルをダウンロードします pip install huggingface_hub）。量子化バージョンとして選べます UD-Q4_K_XL や他のもの。

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

次にモデルを会話モードで実行します：

./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 必要に応じて、最大まで 202752

➿繰り返しとループの削減

1月21日更新：llama.cpp は誤ったものを指定するバグを修正しました 「scoring_func": "softmax"」 これがループや品質の低い出力を引き起こしていました（本来は sigmoid）。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。

これにより、Z.ai 推奨のパラメータを使用して素晴らしい結果を得られるようになります：

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

• ツールコールの場合： --temp 0.7 --top-p 1.0

• llama.cpp を使用する場合は、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 のため）

• 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！または次を設定してください --repeat-penalty 1.0

我々は次を追加しました 「scoring_func": "sigmoid" から config.json メインモデル用 - 参照してください.

現時点では、我々は をお勧めしません この GGUF を次で実行すること： Ollama チャットテンプレートの互換性の問題が発生する可能性があるためです。GGUF は llama.cpp（または LM Studio、Jan 等のバックエンド）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 を介して以下の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 は何ですか
Python で Flappy Bird ゲームを作成してください
Rust でまったく別のゲームを作成してください
両方のバグを見つけてください
最初に指示したゲームをスタンドアロンの HTML ファイルで作ってください
バグを見つけて修正済みのゲームを表示してください

これにより以下のような HTML 形式の Flappy Bird ゲームがレンダリングされました：

HTML の Flappy Bird ゲーム（拡張可能）

<!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; /* モバイルでのズームを防止 */
        }

        #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 オーバーレイ */
        #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; /* クリックを許可 */
            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">もう一度試す</button>
            </div>
        </div>
    </div>

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

    // --- 定数 ---
    const GRAVITY = 0.35; // 操作感を良くする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;

    // --- 状態 ---
    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() {
            // 表示のために速度に基づいて鳥を回転させる
            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;

            // --- 修正された衝突検出 ---
            // 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;

            // 水平重なり
            if (birdRight > p.x && birdLeft < p.x + p.width) {
                // 垂直重なり（上側のパイプに当たる OR 下側のパイプに当たる）
                if (birdTop < p.topHeight || birdBottom > p.bottomY) {
                    gameOver();
                }
            }

            // --- 修正されたスコアリング ---
            // パイプが画面外に出ており、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';
        
        canvas.addEventListener('mousedown', handleInput);
    }

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

    // --- 入力処理 ---

    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（またはゲームが開始していない場合の任意のクリック）
            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 操作
    ui.restartBtn.addEventListener('click', (e) => {
        e.stopPropagation();
        startGame();
    });
    
    // Game Over オーバーレイをクリックして再開を許可
    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>

いくつかのスクリーンショットも撮りました（4bit で動作します）：

🦥 GLM-4.7-Flash のファインチューニング

Unsloth は現在 GLM-4.7-Flash のファインチューニングをサポートしていますが、次を使用する必要があります transformers v5この 30B モデルは無料の Colab GPU には収まりませんが、我々のノートブックを使用できます。GLM-4.7-Flash の 16 ビット LoRA ファインチューニングは約 60GBのVRAM:

• GLM-4.7-Flash SFT LoRA ノートブック

A100 40GB VRAM を使用する場合、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、ルーター層をファインチューニングするのは良い考えではない可能性があるため、デフォルトで無効にしています。推論能力を維持したい場合（任意）は、直接回答とチェイン・オブ・ソートの例を混ぜて使用できます。少なくとも次を使用してください 75%の推論（reasoning） および 25%の非推論（non-reasoning） を含めて、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＆デプロイメント

本番展開のために GLM-4.7-Flash をデプロイするには、我々は次を使用します llama-server を使用します。新しいターミナルで例えば tmux を使い、次で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

その後、新しいターミナルで、次を実行した後に： pip install openai、次を行います：

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)

これにより次が表示されます

ユーザーが単純な質問をします：「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

APIエラー: 400 {"error":{"code":400,"message":"リクエスト（16582トークン）が利用可能なコンテキストサイズ（16384トークン）を超えています。増加を試みてください","type":"exceed_context_size_error","n_prompt_tokens":16582,"n_ctx":16384}} これはコンテキスト長を増やす必要があるか、を参照する必要があることを意味します プレミアムで高速な推論のためにモデルの〜を使用します。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

# 新しいPython環境を作成します - システム全体を変更したくない場合は不要です uv venv unsloth_fp8 --python 3.12 --seed モデルの〜。KV キャッシュのメモリ使用量を 50% 削減するために FP8 を有効にしており、4 GPU 上での設定です。1 GPU の場合は次を使用してください UnslothのダイナミックFP8バージョン そして、次を設定します のモデルを。FP8を有効にするとKVキャッシュのメモリ使用量を約50%削減できます。を追加してください 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、次を削除してください --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 \
    CUDA_VISIBLE_DEVICES='0,1,2,3' vllm serve unsloth/Qwen3-Coder-Next-FP8-Dynamic \
    --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経由で配信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 推測デコーディング

GLM 4.7 Flash の MTP（マルチトークン予測）モジュールを使用すると、生成スループットが 1xB200 で 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 1,300 トークン／秒（ユーザーあたりデコード 130 トークン／秒）に過ぎません

そして 1xB200 でのスループットは 13,000 トークン／秒（それでもユーザーあたりデコード 130 トークン／秒）です

🔨GLM-4.7-Flash によるツールコーリング

詳細については Tool Calling Guide を参照してください。新しい端末で（tmuxを使用している場合はCTRL+B+Dを使用）、2つの数を足す、Pythonコードを実行する、Linuxコマンドを実行する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([
        "遠い昔、はるか彼方の銀河で...",
        "ナマケモノとコードを愛する二人の友人がいました...",
        "世界はすべてのナマケモノが超人的知能を獲得したため終わりを迎えていた...",
        "一方の友人が知らないうちに、もう一方がナマケモノを進化させるプログラムを誤って作成してしまった...",
    ])
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}` を実行しています")
    _ = create_locked_down_function(function)
        return str(subprocess.run(command, capture_output = True, text = True, shell = True, check = True).stdout)
    except subprocess.CalledProcessError as e:
        return f"コマンドが失敗しました: {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": "二つの数を加えます。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "二番目の数。",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "multiply_number",
            "description": "二つの数を掛けます。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "二番目の数。",
                    },
                },
                "required": ["a", "b"],
            },
        },
    },
    {
        "type": "function",
        "function": {
            "name": "substract_number",
            "description": "二つの数を引きます。",
            "parameters": {
                "type": "object",
                "properties": {
                    "a": {
                        "type": "string",
                        "description": "最初の数。",
                    },
                    "b": {
                        "type": "string",
                        "description": "二番目の数。",
                    },
                },
                "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 コードを使って Python インター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"],
            },
        },
    },
]

次に以下の関数を使用します（コピー＆ペーストして実行）。これらは関数呼び出しを自動的に解析し、任意のモデルのために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"使用中のモデル = {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),})
        scores.append(2.0)   # 動作したが2048には到達しなかった
            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 Tool Calling Guide を参照してください。その後、いくつかのツール呼び出しを行うことができます：

GLM 4.7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日を加えると？"}],
}]
unsloth_inference(messages, temperature = 1.0, top_p = 0.95, top_k = -1, min_p = 0.01)

GLM-4.7-Flash の生成された Python コードを実行するためのツールコール

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。