GLM 4.7 Flash Crippled Today (6/3/2026)

快速结论：Ollama 0.30.4 中 GLM 4.7 Flash 模型输出混乱、工具调用错乱、计数失败，回滚到 0.24.0 可恢复，且官方已重新推送修复后的模型。优先尝试 `ollama pull glm-4.7-flash` 重新拉取模型，或者暂时回退到 Ollama 0.24.0。

问题场景

用户在 Ollama 0.30.4 中运行 glm-4.7-flash 模型（Windows/AMD、Linux/Docker/AMD 双环境均复现），用于本地 agent 任务（Hermes agent、OpenCode 开发），出现离谱幻觉与工具调用损坏。同一模型在 0.24.0 下正常。

报错原文

# 计数测试对比

## 0.24.0（正常输出）
$ ollama run glm-4.7-flash count to 10
1, 2, 3, 4, 5, 6, 7, 8, 9, 10

## 0.30.4（异常输出）
$ ollama run glm-4.7-flash count to 10
  
 One Two,

 Three Four 
   +_FIVE!

Six (Seven) {Eight} [Nine] 

# 工具调用异常示例
- config.json 变成 config.json#session-multi-json-893y48761123
- 工具调用结果频繁在调用前突然截断
- 模型坚持探索不存在的目录（Firefox Developer Edition AppData）
- 计数输出：1, 6, 4, 1, 2, 6, 4, 1, 1, 2

原因分析

Ollama 官方开发者确认是由模型库中缺少参数导致的。具体来说，Ollama 在 0.30.x 版本引入了某些变化，导致模型的 GGUF 元数据中部分关键推理参数丢失（通过 diff 对比正常与异常版本的 ollama show --modelfile 发现，异常版本缺少以下参数）：
PARAMETER top_p 0.95
PARAMETER min_p 0.01
PARAMETER repeat_penalty 1

这些参数缺失后，模型生成行为变得随机且不可控。此问题也可能与 llama.cpp 底层引擎的某些版本变更相关（参考 ggml-org/llama.cpp #23574），但 Ollama 方面未明确确认关联。

环境排查

Ollama 版本：确认是否为 0.30.0 或 0.30.4（版本 < 0.24.0 均可能受影响，但 0.24.0 正常）
模型版本：使用 ollama list 确认 glm-4.7-flash 是否仍为旧版
参数设置：运行 ollama show --modelfile glm-4.7-flash 检查是否包含 top_p、min_p、repeat_penalty 参数
上下文窗口：在长时间 agent 会话（约 65k token）时是否出现响应截断或停止

解决步骤

重新拉取模型（开发者已修复，可优先尝试）：
运行 ollama pull glm-4.7-flash 获取包含缺失参数的更新版模型。
验证参数是否补全：
ollama show --modelfile glm-4.7-flash 应看到以下三行：
PARAMETER top_p 0.95
PARAMETER min_p 0.01
PARAMETER repeat_penalty 1
如果仍存在问题（特别是大上下文场景）：
回退至 Ollama 0.24.0 临时规避：
– 下载旧版 release 包（https://github.com/ollama/ollama/releases/tag/v0.24.0）
– 卸载当前版后安装 0.24.0，再运行 ollama pull glm-4.7-flash
手动设置参数（备选方案）：
如果需要使用高版本 Ollama，可在 Modelfile 中手动补充缺失参数：
FROM glm-4.7-flash
PARAMETER top_p 0.95
PARAMETER min_p 0.01
PARAMETER repeat_penalty 1
然后 ollama create glm-4.7-flash-fixed -f ./Modelfile

验证方法

运行以下测试确认修复是否成功：

计数测试：ollama run glm-4.7-flash count to 10 应稳定输出 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
工具调用测试：在 agent 框架（如 OpenCode）中执行文件读取操作，确认返回值不再出现乱码后缀
一致性测试：重复运行相同 prompt 3-5 次，观察输出是否稳定而非随机
长上下文测试（可选）：在接近 65k token 的会话中继续对话，确认模型不会突然停止响应