Apakah bobot GLM-4.7 terbuka dan bisa saya jalankan secara lokal?

Ya, bobotnya tersedia secara publik di Hugging Face di zai-org/GLM-4.7, jadi Anda bisa mengunduh dan menjalankan model secara mandiri. Periksa lisensi repositori sebelum digunakan dalam produk komersial.

Berapa biaya GLM-4.7 dan berapa panjang konteksnya?

API Z.ai mengenakan biaya $0,60 per juta token input dan $2,20 per juta token output, dengan jendela konteks sepanjang 204.800 token.

Apa perbedaan GLM-4.7 dengan GLM-4.6?

GLM-4.7 memfokuskan peningkatan pada pemrograman agentik, penggunaan alat, dan penalaran: pembuat melaporkan kenaikan sekitar 6 poin di SWE-bench Verified, 13 poin di SWE-bench Multilingual, 16 poin di Terminal Bench 2.0, dan 12 poin di benchmark penalaran HLE dibanding GLM-4.6.

GLM 4.7

5539°

#llm #z-ai #penalaran #pemrograman #agen #matematika

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Z.ai | konteks token 204.800 | $0,60/M input, $2,20/M output. GLM-4.7 adalah model unggulan terbaru dari Z.ai, menampilkan peningkatan di dua area utama: kemampuan pemrograman yang ditingkatkan dan penalaran/eksekusi multi-langkah yang lebih stabil. Model ini menunjukkan peningkatan signifikan dalam menjalankan tugas agen kompleks sambil memberikan pengalaman percakapan yang lebih alami dan estetika front-end yang superior.

Panduan untuk model ini

Ollama vs LM Studio (2026): aplikasi AI lokal mana yang harus digunakan, dan model top mana yang dijalankan masing-masing

LLM lokal terbaik berdasarkan kasus penggunaan (Oktober 2026): model terbuka yang tepat untuk setiap pekerjaan

Berapa banyak VRAM yang sebenarnya saya butuhkan untuk AI lokal?

Apa itu file GGUF? Penjelasan model terkuantisasi (Q4, Q8, fp8, NF4)

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

GLM-4.7 adalah model teks unggulan saat ini dari Z.ai, dibangun dengan fokus pada pemrograman agentik dan penalaran multi-langkah. Model ini memiliki bobot terbuka dan konteks sepanjang 204.800 token, dengan peningkatan signifikan dibanding GLM-4.6 dalam pemrograman, matematika, dan penggunaan alat. Cocok untuk pengembang yang menginginkan alternatif mandiri yang mumpuni dari model frontier tertutup tanpa harus membayar harga frontier.

Dikenal untuk

Pemrograman agentik yang kuat, termasuk tugas tingkat repositori multibahasa melalui SWE-bench
Dukungan berpikir sebelum bertindak di Claude Code, Cline, Roo Code, dan kerangka serupa
Peningkatan matematika dan penalaran yang solid dibanding pendahulunya pada benchmark AIME dan HMMT
Peningkatan penggunaan alat dan penjelajahan web yang diukur pada τ²-Bench dan BrowseComp
Bobot terbuka tersedia di Hugging Face untuk penggunaan lokal atau mandiri

Waspadai

Token keluaran dikenai biaya $2,20/M, jadi penggunaan agentik panjang dengan banyak panggilan alat bisa cepat mahal.
Pembuat belum menerbitkan ringkasan lisensi di kartu model; periksa ketentuan sebelum penggunaan komersial.
Gemini 3.0 Pro dan GPT-5-High mengunggulinya di beberapa benchmark dalam tabel perbandingan pembuatnya sendiri.

Terbaik untuk

Pemrograman

Agen dan penggunaan alat

Penalaran

Matematika

Jalankan secara lokal

Prompt untuk dicoba

Perbaiki masalah nyata di GitHub

Berikut adalah repositori Python dengan bug: fungsi `parse_config` di `config.py` menghasilkan KeyError saat file konfigurasi tidak memiliki kunci `timeout`. Tulis perbaikan minimal yang siap produksi, tambahkan unit test yang mencakup kasus kunci hilang, dan jelaskan dalam satu paragraf mengapa pendekatan Anda lebih aman daripada pencarian dict biasa.

Teka-teki penalaran multi-langkah

Seorang petani memiliki 17 domba. Semua kecuali 9 mati. Dia kemudian membeli cukup banyak domba untuk menggandakan kawanan, menjual sepertiga dari totalnya, dan memberikan 4 kepada tetangganya. Berapa banyak domba yang dia miliki? Tunjukkan setiap langkah penalaran Anda sebelum memberikan angka akhir, dan tandai setiap ambiguitas dalam pernyataan masalah.

Rencana agentik dengan panggilan alat

Anda bekerja di terminal. Saya butuh Anda menulis skrip bash yang: memeriksa apakah Python 3.11 atau lebih tinggi terpasang, membuat lingkungan virtual jika belum ada, menginstal paket dari requirements.txt yang akan saya berikan, dan menjalankan pytest. Keluarkan skripnya, lalu jelaskan apa fungsi setiap blok dan potensi masalah di setiap langkah.

Bandingkan dengan

GLM 5.3 FlashX
Model hanya API
konteks 1,048,576 token · $0.37/M input, $1.25/M output
GLM 5V Turbo
Model hanya API
konteks 202,752 token · $1.20/M input, $4.00/M output
GLM 5.3 Prime
Model hanya API
konteks 1,000,000 token · $2.80/M input, $8.80/M output
GLM 5.3 Flash
Model dengan bobot terbuka
konteks 1,048,576 token · $0.02/M input, $0.72/M output

Model teks lain dari z-ai

Pertanyaan yang sering diajukan

Apakah bobot GLM-4.7 terbuka dan bisa saya jalankan secara lokal?: Ya, bobotnya tersedia secara publik di Hugging Face di zai-org/GLM-4.7, jadi Anda bisa mengunduh dan menjalankan model secara mandiri. Periksa lisensi repositori sebelum digunakan dalam produk komersial.
Berapa biaya GLM-4.7 dan berapa panjang konteksnya?: API Z.ai mengenakan biaya $0,60 per juta token input dan $2,20 per juta token output, dengan jendela konteks sepanjang 204.800 token.
Apa perbedaan GLM-4.7 dengan GLM-4.6?: GLM-4.7 memfokuskan peningkatan pada pemrograman agentik, penggunaan alat, dan penalaran: pembuat melaporkan kenaikan sekitar 6 poin di SWE-bench Verified, 13 poin di SWE-bench Multilingual, 16 poin di Terminal Bench 2.0, dan 12 poin di benchmark penalaran HLE dibanding GLM-4.6.

Putusan Kapten
Model pemrograman dan penalaran dengan bobot terbuka yang benar-benar mumpuni dan layak masuk daftar pendek tanpa perlu komitmen API tertutup.

Kartu model di Hugging Face

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

GLM 4.7 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm z-ai penalaran pemrograman agen matematika lokal

Jelajahi berdasarkan Keluarga Model