GLM-4.7 - 面向 Agentic Coding 的高智能模型 - GLM

概览

GLM-4.7 系列是智谱的高智能模型，面向 Agentic Coding 场景强化了编码能力、长程任务规划与工具协同，并在多个公开基准的当期榜单中取得开源模型中的出色表现。通用能力提升，回复更简洁自然，写作更具沉浸感。在执行复杂智能体任务，在工具调用时指令遵循更强，Artifacts 与 Agentic Coding 的前端美感和长程任务完成效率进一步提升。

定位

高智能模型

输入模态

文本

输出模态

文本

上下文窗口

200K

最大输出 Tokens

128K

能力支持

思考模式：提供多种思考模式，覆盖不同任务需求
流式输出：支持实时流式响应，提升用户交互体验
Function Call：强大的工具调用能力，支持多种外部工具集成
上下文缓存：智能缓存机制，优化长对话性能
结构化输出：支持 JSON 等结构化格式输出，便于系统集成
MCP：可灵活调用外部 MCP 工具与数据源，扩展应用场景

详细介绍

Coding 能力全面提升

GLM-4.7 在编程、推理与智能体三个维度实现了显著突破：

更强的编程能力：显著提升了模型在多语言编码和在终端智能体中的效果；GLM-4.7 现在可以在 Claude Code、Kilo Code、TRAE、Cline 和 Roo Code 等编程框架中实现"先思考、再行动"的机制，在复杂任务上有更稳定的表现
前端审美提升：GLM-4.7 在前端生成质量方面明显进步，能够生成观感更佳的网页、PPT、海报
更强的工具调用能力：GLM-4.7 提升了工具调用能力，在 BrowseComp 网页任务评测中获得 67 分；在 τ²-Bench 交互式工具调用评测中实现 84.7 分的开源 SOTA，超过 Claude Sonnet 4.5
推理能力提升：显著提升了数学和推理能力，在 HLE（"人类最后的考试"）基准测试中获得 42.8% 的成绩，较 GLM-4.6 提升 41%，超过 GPT-5.1
通用能力增强：GLM-4.7 对话更简洁智能且富有人情味，写作与角色扮演更具文采与沉浸感

GLM-4.7 Coding 能力

Code Arena：全球百万用户参与盲测的专业编码评估系统，GLM-4.7 位列开源第一、国产第一，超过 GPT-5.2。

GLM-4.7 基准测试

在主流基准测试表现中，GLM-4.7 的代码能力对齐 Claude Sonnet 4.5：在 SWE-bench-Verified 获得开源第一；在 LiveCodeBench V6 达到 84.9 的开源 SOTA 分数，超过 Claude Sonnet 4.5；在 SWE-bench Verified达到 73.8%（相较 GLM-4.6 提升 5.8%），SWE-bench Multilingual 达到 66.7%（提升 12.9%），Terminal Bench 2.0 达到 41%（提升 16.5%）。

GLM-4.7 前端审美

真实编程场景下的体感提升

在 Claude Code 环境中，我们对 100 个真实编程任务进行了测试，覆盖前端、后端与指令遵循等核心能力。结果显示，GLM-4.7 相较 GLM-4.6 在稳定性与可交付性上均有明显提升。

随着编程能力的增强，开发者可以更自然地以"任务交付"为核心组织开发流程，形成从需求理解到落地实现的端到端闭环。

调用示例

cURL

bash
curl -X POST "https://open.bigmodel.cn/api/paas/v4/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer your-api-key" \
    -d '{
        "model": "glm-4.7",
        "messages": [
        {
            "role": "user",
            "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"
        },
        {
            "role": "assistant",
            "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"
        },
        {
            "role": "user",
            "content": "智谱AI 开放平台"
        }
        ],
        "thinking": {
            "type": "enabled"
        },
        "max_tokens": 65536,
        "temperature": 1.0
    }'

流式调用

bash
curl -X POST "https://open.bigmodel.cn/api/paas/v4/chat/completions" \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer your-api-key" \
    -d '{
        "model": "glm-4.7",
        "messages": [
        {
            "role": "user",
            "content": "作为一名营销专家，请为我的产品创作一个吸引人的口号"
        },
        {
            "role": "assistant",
            "content": "当然，要创作一个吸引人的口号，请告诉我一些关于您产品的信息"
        },
        {
            "role": "user",
            "content": "智谱开放平台"
        }
        ],
        "thinking": {
            "type": "enabled"
        },
        "stream": true,
        "max_tokens": 65536,
        "temperature": 1.0
    }'

GLM-4.7 - 面向 Agentic Coding 的高智能模型

概览

定位