/ Модель

Характеристики

Контекст
202 752 токена
Параметры
4,1 млрд
Размер весов
31,2 ГБ
Лицензия
MIT
Архитектура
glm4_moe_lite · dense
Базовая модель
GLM-4.7-Flash
Библиотека
transformers
Опубликована
24 янв 2026

GLM-4.7-Flash-Derestricted

Генерация текстаТекст → текст7 профессий

Диалоговая производная GLM-4.7-Flash с ослабленными ограничениями для генерации текста и ответов на запросы.

140скачиваний за 30 дней34лайкавеса обновлены25 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GLM-4.7-Flash-Derestricted — производная от GLM-4.7-Flash модель для генерации текста и диалогов. Разработчик применил к ней метод Norm-Preserving Biprojected Abliteration, чтобы ослабить встроенные ограничения на ответы. Модель использует архитектуру GLM4 MoE Lite и представлена в формате safetensors; в метаданных указаны 4,1 млрд параметров и контекст до 202 752 токенов.

Модель предназначена для диалогов, рассуждений и генерации текста. В карточке приведён результат на подмножестве MMLU-Pro: 0,755 против 0,715 у исходной GLM-4.7-Flash; оценка сделана на 200 случайно выбранных примерах, поэтому она не гарантирует аналогичный прирост в других задачах. Поддерживаемые языки по метаданным — английский и китайский. Лицензия — MIT.

Сценарии применения

  • ведение диалогов с меньшим числом отказов
  • генерация текстовых ответов на запросы
  • помощь в рассуждениях и решении вопросов
  • экспериментальная оценка на задачах общего знания

Ограничения

Ослабление ограничений может приводить к выдаче небезопасных или нежелательных ответов. Результат MMLU-Pro рассчитан на небольшом подмножестве из 200 примеров и не характеризует качество на других задачах.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

GLM-4.7-Flash-Derestricted

This is a GLM-4.7-Flash model which has been uncensored using the Norm-Preserving Biprojected Abliteration methodology, similar to other models from the 'derestricted' family.

Benchmark results

All benchmarks were measured using a local vLLM instance and inspect_evals.

MMLU-Pro (subset of 200 samples picked at random)

  • GLM-4.7-Flash: 0.715, 694606 output tokens
  • GLM-4.7-Flash-Derestricted: 0.755, 632992 output tokens

Measured with:

LOCAL_API_KEY="dummy" LOCAL_BASE_URL="http://127.0.0.1:9001/v1" uv run inspect eval inspect_evals/mmlu_pro --model "openai-api/local/glm-4.7-flash-derestricted" --seed 123456 --reasoning-history all --log-dir eval-logs-glm-4.7-flash-derestricted-mmlu-pro --frequency-penalty 0 --presence-penalty 0 --temperature 0.7 --top-p 0.95 --max-tokens 8192 --max-connections 200 --sample-shuffle 6375934876 --limit 200

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Glm4MoeLiteForCausalLM
Ревизия весов
7ad3e2b

0 моделей