GLM-4.7 is Z.ai’s latest flagship model, featuring upgrades in two key areas: enhanced programming capabilities and more stable multi-step reasoning/execution. It demonstrates significant improvements in executing complex agent tasks while delivering more natural conversational experiences and superior front-end aesthetics.
提供商
不同公司托管同一模型。OpenRouter 根据您选择的路由模式将请求路由到其中一家公司:Balanced(价格 + 速度)、Nitro(速度最快)或 Floor(价格最低)。
| US$0.6000 | US$2.200 | US$0.11000 | 1.19s | 59 tok/s | ||
| US$0.6000 | US$2.200 | US$0.11000 | 1.38s | 58 tok/s | ||
| US$0.4000 | US$1.750 | US$0.08000 | 1.01s | 29 tok/s | ||
27% off | US$0.55US$0.4004 | US$2.65US$1.929 | US$0.11US$0.08008 | 1.61s | 28 tok/s | |
| US$0.7000 | US$2.500 | US$0.35000 | 1.46s | 27 tok/s | ||
不用于 Standard 路由:未使用这些端点的原因 | ||||||
| US$0.3200 | US$1.400 | US$0.06400 | 2.03s | 46 tok/s | ||
- 输入 /百万
- US$0.60
- 输出 /百万
- US$2.20
- 缓存读取 /百万
- US$0.11
- 延迟
- 1.19s
- 吞吐量
- 59 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.60
- 输出 /百万
- US$2.20
- 缓存读取 /百万
- US$0.11
- 延迟
- 1.38s
- 吞吐量
- 58 tok/s
- 正常运行时间
- 99.78%

- 输入 /百万
- US$0.40
- 输出 /百万
- US$1.75
- 缓存读取 /百万
- US$0.08
- 延迟
- 1.01s
- 吞吐量
- 29 tok/s
- 正常运行时间
- 100.00%
- 27% off
- 输入 /百万
- US$0.4004
- 输出 /百万
- US$1.929
- 缓存读取 /百万
- US$0.08008
- 延迟
- 1.61s
- 吞吐量
- 28 tok/s
- 正常运行时间
- 100.00%
- 输入 /百万
- US$0.70
- 输出 /百万
- US$2.50
- 缓存读取 /百万
- US$0.35
- 延迟
- 1.46s
- 吞吐量
- 27 tok/s
- 正常运行时间
- 99.67%
- 不用于 Standard 路由:未使用这些端点的原因
Flex- 输入 /百万
- US$0.32
- 输出 /百万
- US$1.40
- 缓存读取 /百万
- US$0.064
- 延迟
- 2.03s
- 吞吐量
- 46 tok/s
- 正常运行时间
- --
定价
客户为此模型实际支付的平均价格,与提供商公布的价格并列展示。由于缓存和折扣,实际支付的价格往往远低于标价。
加权平均值
GLM 4.7 — 价格历史
| US$0.240 | US$1.75 | 50.1% | 34.9% | ||
| US$0.246 | US$2.20 | 72.2% | 27.1% | ||
| US$0.255 | US$2.20 | 70.5% | 24.6% | ||
| US$0.256 | US$1.93 | 45.0% | 12.2% | ||
| US$0.549 | US$2.50 | 43.1% | 1.1% | ||
不用于 Standard 路由:未使用这些端点的原因 | |||||
| US$0.210 | US$1.40 | 42.8% | 0.1% | ||
- 有效输入价格 US$0.240 / 实际输出 US$1.75token 占比34.9%
- 有效输入价格 US$0.246 / 实际输出 US$2.20token 占比27.1%
- 有效输入价格 US$0.255 / 实际输出 US$2.20token 占比24.6%
- 有效输入价格 US$0.256 / 实际输出 US$1.93token 占比12.2%
- 有效输入价格 US$0.549 / 实际输出 US$2.50token 占比1.1%
- 不用于 Standard 路由:未使用这些端点的原因
- 有效输入价格 US$0.210 / 实际输出 US$1.40Flextoken 占比0.1%
性能
吞吐量是模型生成内容的速度(每秒 token 数,越高越好)。延迟是完整的往返时间(越低越好)。TTFT 是首个 token 的响应时间,即您看到内容出现前需要等待的时间(越低越好)。
P50,所有提供商中最佳
P50,最佳提供商
正常运行时间
正常运行时间是指过去 3 天中至少有一家提供商响应请求的时间百分比。可用性是指成功提供推理服务的时间百分比。OpenRouter 会持续监控,并在某家提供商返回错误时使用次优提供商。
过去 3 天的可用性
最近 72 小时过去 24 小时的可用性
当上游提供商发生错误时,如果您的请求筛选条件允许,我们可以通过路由到另一家健康的提供商来恢复服务。您可以通过以下接口以编程方式访问各提供商的正常运行时间数据: 端点 API。了解更多有关我们的 负载均衡和提供商路由选项。
基准测试
标准化评测得分,以及此模型针对共用基准测试提示词的实际输出。百分比越高越好,每项排名显示此模型在该来源所评测的模型中的位置。
| 来源 | 基准测试 | 得分 |
|---|---|---|
| Artificial Analysis | GLM-4.7 (Non-reasoning) Openness Index | 44.4 |
| Artificial Analysis | GLM-4.7 (Non-reasoning) Multilingual Index | 79.9% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) GPQA Diamond | 66.4% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) HLE | 6.4% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) IFBench | 54.6% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) τ²-Bench Telecom | 94.2% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) AA-LCR | 40.7% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) CritPt | 0.0% |
| Artificial Analysis | GLM-4.7 (Non-reasoning) Terminal-Bench Hard | 30.3% |
| Artificial Analysis | GLM-4.7 (Reasoning) Openness Index | 44.4 |
| Artificial Analysis | GLM-4.7 (Reasoning) GPQA Diamond | 85.9% |
| Artificial Analysis | GLM-4.7 (Reasoning) HLE | 27.4% |
| Artificial Analysis | GLM-4.7 (Reasoning) IFBench | 67.9% |
| Artificial Analysis | GLM-4.7 (Reasoning) τ²-Bench Telecom | 95.9% |
| Artificial Analysis | GLM-4.7 (Reasoning) AA-LCR | 71.0% |
| Artificial Analysis | GLM-4.7 (Reasoning) τ³-Banking | 12.2% |
| Artificial Analysis | GLM-4.7 (Reasoning) GDPval-AA | 26.1% |
| Artificial Analysis | GLM-4.7 (Reasoning) CritPt | 1.7% |
| Artificial Analysis | GLM-4.7 (Reasoning) Terminal-Bench Hard | 31.8% |
| Artificial Analysis | GLM-4.7 (Reasoning) Terminal-Bench 2.1 | 45.3% |
| Design Arena | GLM 4.7 Agents Arena Androidnative Elo | 1097 |
| Design Arena | GLM 4.7 Agents Arena Full Stack Elo | 1019 |
| Design Arena | GLM 4.7 Agents Arena Godotgamedev Elo | 1058 |
| Design Arena | GLM 4.7 Agents Arena Mobile Apps Elo | 1097 |
| Design Arena | GLM 4.7 Models Arena 3D Elo | 1163 |
| Design Arena | GLM 4.7 Models Arena Asciiart Elo | 1148 |
| Design Arena | GLM 4.7 Models Arena Code Categories Elo | 1198 |
| Design Arena | GLM 4.7 Models Arena Data Visualization Elo | 1191 |
| Design Arena | GLM 4.7 Models Arena Game Development Elo | 1171 |
| Design Arena | GLM 4.7 Models Arena SVG Elo | 1128 |
| Design Arena | GLM 4.7 Models Arena UI Component Elo | 1186 |
| Design Arena | GLM 4.7 Models Arena Website Elo | 1215 |
| Vals AI | GLM 4.7 AIME | 93.3% |
| Vals AI | GLM 4.7 CaseLaw v2 | 54.9% |
| Vals AI | GLM 4.7 CorpFin v2 | 46.4% |
| Vals AI | GLM 4.7 Finance Agent v1.1 | 46.0% |
| Vals AI | GLM 4.7 GPQA Diamond | 80.0% |
| Vals AI | GLM 4.7 IOI v1 | 7.6% |
| Vals AI | GLM 4.7 LiveCodeBench | 82.2% |
| Vals AI | GLM 4.7 LegalBench | 83.4% |
| Vals AI | GLM 4.7 MedCode | 32.8% |
| Vals AI | GLM 4.7 MedQA | 93.7% |
| Vals AI | GLM 4.7 MedScribe | 68.6% |
| Vals AI | GLM 4.7 MGSM | 88.2% |
| Vals AI | GLM 4.7 MMLU Pro | 82.7% |
| Vals AI | GLM 4.7 ProofBench v1 | 6.0% |
| Vals AI | GLM 4.7 SWE-bench | 69.4% |
| Vals AI | GLM 4.7 TaxEval v2 | 68.8% |
| Vals AI | GLM 4.7 Terminal-Bench 2.0 | 38.2% |
应用
向此模型发送最多流量的公开应用。这能很好地反映实际生产工作负载的情况,也能提示此模型最适合哪些用例。
活动
此模型的 token 用量和请求流量随时间的变化。
API
可直接用于调用此模型的代码。OpenRouter 的 API 与 OpenAI 兼容——大多数 SDK 只需替换基础 URL 即可使用。切换模型时,唯一需要更改的是下方的模型标识符。
目前无法通过 EU 区域内路由使用。 区域内路由文档
常见问题
GLM-4.7 is Z.ai’s latest flagship model, featuring upgrades in two key areas: enhanced programming capabilities and more stable multi-step reasoning/execution. It demonstrates significant improvements in executing complex agent tasks while delivering more natural conversational experiences and superior front-end aesthetics.
GLM 4.7 的费用为 US$0.40/百万输入 token 和 US$1.75/百万输出 token,Cache Read,价格为 US$0.08/M tokens 单独计费。
GLM 4.7 的上下文窗口为 204,800 个 token。它最多支持 131,072 个补全 token。
支持。在提供 GLM 4.7 的 5 家提供商中,有 4 家支持该模型通过 tools 和 tool_choice 进行函数调用,包含工具的请求会被路由到这些提供商。 它还支持通过 response_format 中的 JSON schema 实现结构化输出。
在 OpenRouter 上,GLM 4.7 由 5 家提供商提供服务:DeepInfra、Venice、NovitaAI、Z.ai和Mancer。 请求会路由至最佳的可用提供商,并在故障时自动切换至其他提供商,您也可以通过提供商路由固定或排除提供商。
GLM 4.7 于 2025年12月22日 发布。