ModelSokonganPerusahaanBlog
500+ API Model AI, Semua Dalam Satu API. Hanya Di CometAPI
API Model
Pembangun
Mula PantasDokumentasiPapan Pemuka API
Sumber
Model AIBlogPerusahaanLog PerubahanTentang
2025 CometAPI. Hak cipta terpelihara.Dasar PrivasiTerma Perkhidmatan
Home/Models/Zhipu AI/GLM-4.7
Z

GLM-4.7

Masukan:$0.96/M
Keluaran:$3.84/M
Konteks:200K
Keluaran Maksimum:128K
GLM-4.7 ialah model perdana terbaharu Z.AI, menampilkan penaiktarafan dalam dua bidang utama: keupayaan pengaturcaraan yang dipertingkat dan penaakulan/pelaksanaan berbilang langkah yang lebih stabil. Ia menunjukkan peningkatan ketara dalam melaksanakan tugas ejen yang kompleks sambil menyampaikan pengalaman perbualan yang lebih semula jadi dan estetika front-end yang lebih unggul.
Baru
Penggunaan komersial
Playground
Gambaran Keseluruhan
Ciri-ciri
Harga
API

Apa itu GLM-4.7

GLM-4.7 ialah model bahasa besar asas terbuka terbaharu keluaran Z.ai / Zhipu AI (nama model glm-4.7). Ia diposisikan sebagai model “berfikir” berorientasikan pembangun dengan penambahbaikan khusus dalam pelaksanaan tugasan pengaturcaraan/berasaskan agen, penaakulan berbilang langkah, pemanggilan alat, dan aliran kerja konteks panjang. Keluaran ini menekankan pengendalian konteks besar (sehingga 200K konteks), keluaran maksimum yang tinggi (sehingga 128K token), dan mod “pemikiran” khusus untuk rantaian agen.

Ciri utama

  • Penambahbaikan agenik / penggunaan alat: Mod pemikiran terbina dalam (“Interleaved Thinking”, “Preserved Thinking”, kawalan pada peringkat giliran) untuk membolehkan model “berfikir sebelum bertindak”, mengekalkan penaakulan merentasi giliran, dan lebih stabil apabila memanggil alat atau melaksanakan tugasan berbilang langkah. Ini disasarkan kepada aliran kerja agen yang mantap (terminal, rantaian alat, pelayaran web).
  • Kecekapan pengaturcaraan & terminal: Peningkatan ketara pada penanda aras pengaturcaraan dan tugasan automasi terminal — penanda aras vendor menunjukkan peningkatan jelas berbanding GLM-4.6 pada metrik SWE-bench dan Terminal Bench. Ini diterjemahkan kepada penjanaan kod berbilang giliran yang lebih baik, penjujukan arahan dan pemulihan dalam persekitaran agen.
  • “Vibe coding” / kualiti output frontend: Kualiti UI/tata letak lalai yang dipertingkat untuk HTML, slaid dan pembentangan yang dijana (tata letak lebih bersih, pensaizan, piawai visual lebih baik).
  • Aliran kerja konteks panjang: Tetingkap konteks 200K token dan alat untuk cache konteks; praktikal untuk pangkalan kod berbilang fail, dokumen panjang, dan sesi agen berbilang pusingan.

Prestasi penanda aras

Jadual penanda aras penerbit/penyelenggara GLM-4.7 dan komuniti melaporkan peningkatan besar berbanding GLM-4.6 serta keputusan berdaya saing berbanding model kontemporari lain pada tugasan pengaturcaraan, agen dan penggunaan alat. Nombor terpilih (sumber: jadual rasmi diterbitkan oleh Hugging Face / Z.AI):

  • LiveCodeBench-v6 (penanda aras agen pengaturcaraan): 84.9 (SOTA sumber terbuka yang dinyatakan).
  • SWE-bench Verified (pengaturcaraan): 73.8% (naik daripada 68.0% dalam GLM-4.6).
  • SWE-bench Multilingual: 66.7% (+12.9% berbanding GLM-4.6).
  • Terminal Bench 2.0 (tindakan terminal agenik): 41.0% (peningkatan ketara +16.5% berbanding 4.6).
  • HLE (penaakulan kompleks dengan alat): 42.8% apabila digunakan dengan alat (peningkatan besar dilaporkan berbanding versi terdahulu).
  • τ²-Bench (pemanggilan alat interaktif): 87.4 (SOTA sumber terbuka yang dilaporkan).

Kes penggunaan lazim & senario contoh

  • Pembantu pengaturcaraan berasaskan agen: Penjanaan kod autonomi atau separa autonomi, pembaikan kod berbilang giliran, automasi terminal dan penskripan CI/CD.
  • Agen dipacu alat: Pelayaran web, orkestrasi API, aliran kerja berbilang langkah (disokong oleh Preserved Thinking & pemanggilan fungsi).
  • Penjanaan front-end dan UI: Perangkaan laman web automatik, dek slaid, poster dengan estetika dan tata letak yang dipertingkat.
  • Penyelidikan & tugasan konteks panjang: Pembingkasan dokumen, sintesis literatur, dan penjanaan yang dipertingkat dengan pengambilan merentasi dokumen panjang (tetingkap 200k token membantu di sini).
  • Agen pendidikan interaktif / tutor pengaturcaraan: Pembimbingan berbilang giliran dengan penaakulan yang dipelihara yang mengingati blok penaakulan terdahulu sepanjang sesi.

Cara mengakses dan menggunakan GLM 4.7 API

Langkah 1: Daftar untuk Kunci API

Log masuk ke cometapi.com. Jika anda belum menjadi pengguna kami, sila daftar terlebih dahulu. Log masuk ke konsol CometAPI. Dapatkan kunci API kelayakan akses untuk antara muka. Klik “Add Token” pada token API di pusat peribadi, dapatkan kekunci token: sk-xxxxx dan hantar.

Langkah 2: Hantar Permintaan ke MiniMax M2.1 API

Pilih titik akhir “glm-4.7” untuk menghantar permintaan API dan tetapkan badan permintaan. Kaedah permintaan dan badan permintaan diperoleh daripada dok API di laman web kami. Laman web kami juga menyediakan ujian Apifox untuk kemudahan anda. Gantikan <YOUR_API_KEY> dengan kunci CometAPI sebenar anda daripada akaun anda. Tempat untuk memanggilnya: API bergaya Chat.

Masukkan soalan atau permintaan anda ke dalam medan kandungan—ini ialah perkara yang akan direspons oleh model. Proseskan respons API untuk mendapatkan jawapan yang dijana.

Langkah 3: Dapatkan dan Sahkan Keputusan

Proseskan respons API untuk mendapatkan jawapan yang dijana. Selepas pemprosesan, API memberikan respons dengan status tugas dan

Ciri-ciri untuk GLM-4.7

Terokai ciri-ciri utama GLM-4.7, yang direka untuk meningkatkan prestasi dan kebolehgunaan. Temui bagaimana keupayaan ini boleh memberi manfaat kepada projek anda dan meningkatkan pengalaman pengguna.

Harga untuk GLM-4.7

Terokai harga yang kompetitif untuk GLM-4.7, direka bentuk untuk memenuhi pelbagai bajet dan keperluan penggunaan. Pelan fleksibel kami memastikan anda hanya membayar untuk apa yang anda gunakan, menjadikannya mudah untuk meningkatkan skala apabila keperluan anda berkembang. Temui bagaimana GLM-4.7 boleh meningkatkan projek anda sambil mengekalkan kos yang terurus.
Harga Comet (USD / M Tokens)Harga Rasmi (USD / M Tokens)Diskaun
Masukan:$0.96/M
Keluaran:$3.84/M
Masukan:$1.2/M
Keluaran:$4.8/M
-20%

Kod contoh dan API untuk GLM-4.7

Akses kod sampel yang komprehensif dan sumber API untuk GLM-4.7 bagi memperlancar proses integrasi anda. Dokumentasi terperinci kami menyediakan panduan langkah demi langkah, membantu anda memanfaatkan potensi penuh GLM-4.7 dalam projek anda.
Python
JavaScript
Curl
from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

# glm-4.7: Zhipu GLM-4.7 model via chat/completions
completion = client.chat.completions.create(
    model="glm-4.7",
    messages=[
        {"role": "user", "content": "Hello! Tell me a short joke."}
    ]
)

print(completion.choices[0].message.content)

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

# glm-4.7: Zhipu GLM-4.7 model via chat/completions
completion = client.chat.completions.create(
    model="glm-4.7",
    messages=[
        {"role": "user", "content": "Hello! Tell me a short joke."}
    ]
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token
const COMETAPI_KEY = process.env.COMETAPI_KEY || "<YOUR_COMETAPI_KEY>";
const BASE_URL = "https://api.cometapi.com/v1";

const client = new OpenAI({
  apiKey: COMETAPI_KEY,
  baseURL: BASE_URL,
});

// glm-4.7: Zhipu GLM-4.7 model via chat/completions
async function main() {
  const completion = await client.chat.completions.create({
    model: "glm-4.7",
    messages: [{ role: "user", content: "Hello! Tell me a short joke." }],
  });

  console.log(completion.choices[0].message.content);
}

main().catch(console.error);

Curl Code Example

#!/bin/bash

# Get your CometAPI key from https://api.cometapi.com/console/token
COMETAPI_KEY="${COMETAPI_KEY:-<YOUR_COMETAPI_KEY>}"

# glm-4.7: Zhipu GLM-4.7 model via chat/completions
curl -s https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "glm-4.7",
    "messages": [
      {
        "role": "user",
        "content": "Hello! Tell me a short joke."
      }
    ]
  }'

Lebih Banyak Model

A

Claude Opus 4.6

Masukan:$4/M
Keluaran:$20/M
Claude Opus 4.6 ialah model bahasa besar kelas “Opus” oleh Anthropic, dikeluarkan pada Februari 2026. Ia diposisikan sebagai tulang belakang untuk kerja berpengetahuan dan aliran kerja penyelidikan — menambah baik penaakulan berkonteks panjang, perancangan berbilang langkah, penggunaan alat (termasuk aliran kerja perisian berasaskan ejen), dan tugas penggunaan komputer seperti penjanaan slaid dan hamparan automatik.
A

Claude Sonnet 4.6

Masukan:$2.4/M
Keluaran:$12/M
Claude Sonnet 4.6 ialah model Sonnet kami yang paling berkeupayaan setakat ini. Ia merupakan peningkatan menyeluruh terhadap kemahiran model yang meliputi pengaturcaraan, penggunaan komputer, penaakulan konteks panjang, perancangan agen, kerja berasaskan pengetahuan, dan reka bentuk. Sonnet 4.6 turut menampilkan tetingkap konteks 1M token dalam beta.
O

GPT-5.4 nano

Masukan:$0.16/M
Keluaran:$1/M
GPT-5.4 nano direka untuk tugasan yang amat mengutamakan kelajuan dan kos, seperti pengelasan, pengekstrakan data, pemeringkatan dan sub-agen.
O

GPT-5.4 mini

Masukan:$0.6/M
Keluaran:$3.6/M
GPT-5.4 mini membawa kekuatan GPT-5.4 ke dalam model yang lebih pantas dan lebih cekap, direka untuk beban kerja berskala besar.
A

Claude Mythos Preview

A

Claude Mythos Preview

Akan datang
Masukan:$60/M
Keluaran:$240/M
Claude Mythos Preview ialah model terdepan kami yang paling berkemampuan setakat ini, dan menunjukkan lonjakan yang ketara dalam skor pada banyak penanda aras penilaian berbanding model terdepan kami sebelum ini, Claude Opus 4.6.
X

mimo-v2-pro

Masukan:$0.8/M
Keluaran:$2.4/M
MiMo-V2-Pro ialah model asas perdana daripada Xiaomi, menampilkan lebih daripada 1T jumlah parameter dan panjang konteks 1M, yang dioptimumkan secara mendalam untuk senario berasaskan agen. Ia sangat mudah disesuaikan dengan rangka kerja agen umum seperti OpenClaw. Ia berada pada peringkat teratas global dalam penanda aras standard PinchBench dan ClawBench, dengan prestasi yang diperhatikan menghampiri Opus 4.6. MiMo-V2-Pro direka untuk berperanan sebagai otak sistem agen, menyelaras aliran kerja yang kompleks, memacu tugasan kejuruteraan pengeluaran, dan menyampaikan hasil secara boleh dipercayai.

Blog Berkaitan

GLM-5 vs GLM-4.7: apa yang berubah, apa yang penting, dan patutkah anda menaik taraf?
Feb 26, 2026
glm-5
glm-4-7

GLM-5 vs GLM-4.7: apa yang berubah, apa yang penting, dan patutkah anda menaik taraf?

GLM-5, dikeluarkan pada 11 Februari 2026 oleh Zhipu AI (Z.ai), mewakili lonjakan seni bina yang besar berbanding GLM-4.7: skala MoE yang lebih besar (≈744B berbanding ~355B jumlah parameter), kapasiti parameter aktif yang lebih tinggi, kadar halusinasi terukur yang lebih rendah, dan peningkatan yang jelas pada penanda aras agentic dan pengekodan — dengan kos pada kerumitan inferens dan (kadangkala) latensi.
Bagaimanakah cara menggunakan GLM-4.7-Flash secara setempat?
Jan 21, 2026
glm-4-7
glm-4-7

Bagaimanakah cara menggunakan GLM-4.7-Flash secara setempat?

GLM-4.7-Flash ialah varian 30B A3B MoE yang ringan dan berprestasi tinggi daripada keluarga GLM-4.7, direka untuk membolehkan penyebaran secara tempatan dan berkos rendah bagi pengaturcaraan, aliran kerja berasaskan ejen serta penaakulan umum. Anda boleh menjalankannya secara tempatan melalui tiga cara praktikal: (1) melalui Ollama (mudah, runtime tempatan terurus), (2) melalui Hugging Face / Transformers / vLLM / SGLang (penyebaran pelayan yang mengutamakan GPU), atau (3) melalui GGUF + llama.cpp / llama-cpp-python (mesra CPU/edge).
GLM-4.7 Dilancarkan: Apa Maksudnya untuk Kecerdasan AI?
Dec 23, 2025
glm-4-7

GLM-4.7 Dilancarkan: Apa Maksudnya untuk Kecerdasan AI?

Pada 22 Disember 2025, Zhipu AI (Z.ai) secara rasmi melancarkan GLM-4.7, lelaran terbaharu dalam keluarga General Language Model (GLM) miliknya — sekaligus menarik perhatian global dalam dunia model AI sumber terbuka. Model ini bukan sahaja meningkatkan keupayaan dalam tugas pengekodan dan penaakulan, malah turut mencabar dominasi model proprietari seperti GPT-5.2 dan Claude Sonnet 4.5 dalam penanda aras utama.