GLM 4.7
5539°
Z.ai | 204,800 token context | $0.60/M input, $2.20/M output. GLM-4.7 是 Z.ai 最新旗舰模型，在两个关键领域实现升级：增强的编程能力和更稳定的多步骤推理/执行。它在执行复杂代理任务方面表现显著提升，同时提供更自然的对话体验和卓越的前端美学效果。
本模型的指南
Ollama 与 LM Studio（2026）：选择哪个本地 AI 应用，以及各自支持的顶级模型
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
本地AI到底需要多少显存？
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
GLM-4.7 是 Z.ai 目前的旗舰文本模型，围绕自主编码和多步推理构建。它拥有开放权重和 204,800 令牌的上下文窗口，在编码、数学和工具使用方面相较 GLM-4.6 有显著的基准提升。适合希望获得强大且可自托管的替代封闭前沿模型的开发者，且无需支付前沿模型的高昂费用。
以……著称
- 强大的自主编码能力，包括通过 SWE-bench 实现多语言仓库级任务
- 在 Claude Code、Cline、Roo Code 及类似框架中支持先思考后行动
- 在 AIME 和 HMMT 基准测试中相较前代有稳健的数学和推理提升
- 在 τ²-Bench 和 BrowseComp 上测得的工具使用和网页浏览改进
- 开放权重可在 Hugging Face 上获取，支持本地或自托管部署
注意
- 输出令牌费用为每百万 2.20 美元，长时间的自主运行和多次工具调用费用会迅速累积。
- 制造商未在模型卡上发布许可摘要，商业使用前请仔细检查条款。
- 在制造商自有的对比表中，Gemini 3.0 Pro 和 GPT-5-High 在多个基准上表现优于该模型。
推荐尝试的提示词
修复真实的 GitHub 问题
这是一个带有错误的 Python 仓库：`config.py` 中的函数 `parse_config` 在配置文件缺少 `timeout` 键时会抛出 KeyError。请编写一个最小且适合生产环境的修复方案，添加覆盖缺失键情况的单元测试，并用一段话解释为何你的方法比直接字典查找更安全。
多步推理谜题
一位农民有 17 只羊。除了 9 只，其他都死了。然后他买了足够的羊使羊群数量翻倍，卖掉总数的三分之一，并送给邻居 4 只。他现在有多少只羊？请展示你推理的每一步，并指出题目中任何模糊之处。
带工具调用的自主计划
你正在终端工作。我需要你写一个 bash 脚本：检查是否安装了 Python 3.11 或更高版本，如果没有则创建虚拟环境，安装我提供的 requirements.txt 中的包，并运行 pytest。输出脚本，然后逐块解释每部分的功能及每步可能出错的地方。
与……比较
- GLM 5.3 FlashX仅限API模型1,048,576 令牌上下文 · $0.37/M 输入，$1.25/M 输出
- GLM 5V Turbo仅限API模型202,752 令牌上下文 · $1.20/M 输入，$4.00/M 输出
- GLM 5.3 Prime仅限API模型1,000,000 令牌上下文 · $2.80/M 输入，$8.80/M 输出
- GLM 5.3 Flash开源权重模型1,048,576 令牌上下文 · $0.02/M 输入，$0.72/M 输出
来自 z-ai 的更多文本模型
常见问题
- GLM-4.7 的权重是开放的吗？我可以本地运行吗？
- 是的，权重公开托管在 Hugging Face 的 zai-org/GLM-4.7，你可以下载并自托管该模型。商业使用前请检查仓库许可。
- GLM-4.7 的费用是多少？上下文长度是多少？
- Z.ai 的 API 收费为每百万输入令牌 0.60 美元，输出令牌 2.20 美元，上下文窗口为 204,800 令牌。
- GLM-4.7 与 GLM-4.6 有何不同？
- GLM-4.7 的改进重点在自主编码、工具使用和推理：制造商报告相比 GLM-4.6，在 SWE-bench Verified 上提升约 6 分，SWE-bench Multilingual 上提升 13 分，Terminal Bench 2.0 上提升 16 分，HLE 推理基准上提升 12 分。
船长评语一款真正强大的开放权重编码与推理模型，无需封闭 API 承诺即可跻身候选名单。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
GLM 4.7 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153