GLM-4.7

GLM-4.7 是智谱 AI(Z.ai)2025 年底推出的一代模型,和它后面的 GLM-5、GLM-5.1 不是简单的新旧替代关系,而是定位上的分层。GLM-5 / GLM-5.1 往「旗舰/推理」方向走、价格更高;GLM-4.7 则被智谱明确放在贴近真实开发环境的位置——为多步骤、长周期、频繁工具调用的任务而设计,强调的是稳定性和任务完成率,而不是单点跑分的极限。在算盘的标签体系里它挂的是「性价比」,这正是它在自家产品线里的角色。

对开发者更实际的一点是:GLM-4.7 是开放权重模型,权重公开在 Hugging Face(zai-org/GLM-4.7),同时通过 BigModel.cn 提供官方 API。这意味着你既可以直接调智谱托管的 API 按量付费,也可以在自己有 GPU 的情况下私有化部署同一套权重——对数据合规要求高、或想避开按 token 计费的团队,这条退路是 GLM-5 系列闭源旗舰给不了的。选型时这一点往往比便宜几毛钱更重要。

需要说清楚的边界:GLM-4.7 在算盘的数据里是纯文本模型(不带视觉),如果你的场景要处理图片、截图、PDF 版面,它本身不覆盖,得看 GLM-5 这类带视觉模态的兄弟型号或别家多模态模型。

GLM-4.7 的卖点不是「会聊天」,而是把代码和 Agent 这两件事做扎实。智谱官方的说法是它在 SWE-bench Verified、LiveCodeBench 这类真实编程基准上达到甚至超过同期 Claude Sonnet 一档的水平,在开源模型里属于编码第一梯队(具体分数以官方发布为准,这里只给定性结论)。比起上一代 GLM-4.6,它主要补的是「100 个真实编程任务里的完成率和行为一致性」——也就是少跑偏、少半途卡死,这恰恰是 Agent 工程里最折磨人的部分。

它原生支持 Claude Code、Cline、Roo Code、TRAE、Kilo Code 这几个主流编码 Agent 框架的「think-then-act」(先思考再执行)模式。换句话说,你可以把它当成这些工具的后端模型直接接上,而不用自己从头适配工具调用协议。对在做编码助手、自动改 bug、跑 CI 修复的团队,这是省掉一大块集成工作量的实在好处。

另一个工程上有用的特性是它对推理深度的细粒度控制:可以按任务复杂度调节「想多久」。简单任务别让它过度思考浪费 token,复杂任务再放开推理预算。这个开关直接关系到成本——同一个模型,推理开得越狠,输出 token 越多,账单越高,所以会用这个旋钮的人比不会用的人成本能差出一截。

GLM-4.7 按输入价、输出价、缓存命中输入价三档计费,具体数字见本页上方价格表(以智谱官方实时定价为准,不在正文写死)。它在算盘收录的国产模型里属于偏低价位,输出价大致是输入价的数倍——这是行业通例,但对 Agent 类负载尤其要警惕:Agent 跑长链路时,中间推理 + 工具调用结果会反复进出上下文,输出 token 往往远超你预期,真正吃钱的常常是输出端而不是输入端。

缓存定价是 GLM-4.7 省钱的关键杠杆。如果你的应用有大段固定不变的前缀——长 system prompt、固定的工具定义、RAG 里反复带的同一批文档、客服里相同的对话开场——这部分命中缓存后按缓存价计,通常只是常规输入价的一个零头。把稳定内容尽量放在 prompt 前部、让变动内容靠后,是用好缓存的基本功;对高并发、上下文高度重复的产品,这一项能把月成本压下来一大块。

务实的算法是:别只盯输入单价排名,按你自己的「输入:输出比 + 缓存命中率」算综合成本。一个输入便宜但输出贵的模型,在重输出的 Agent 场景里未必比看着贵一点、但输出更省的模型划算。本页的成本速算和估算器可以直接粘你的真实文本跑一遍,比拍脑袋准。

该选 GLM-4.7 的情况:你在做编码助手、自动化 Agent、批量代码重构或 RAG 问答,要的是「稳定干活 + 成本可控 + 必要时能私有化」的组合;你已经在用 Claude Code / Cline / Roo Code 这类框架,想要一个能直接接上、又比海外旗舰便宜不少的国产后端;或者你的数据不方便出境、需要开放权重自部署。这些场景里它的性价比很难被同梯队替代。

什么时候该升档到 GLM-5 / GLM-5.1:任务对推理上限、复杂决策、或多模态(看图、读版面)有硬要求,而 GLM-4.7 的纯文本 + 中端定位顶不住时,往上走旗舰更稳——代价是单价更高。反过来,如果你的负载其实是高频、低难度的分类/打标/简单问答,GLM-4.7 可能还偏「重」,这时候降到更便宜的轻量模型,把省下的预算留给真正需要智能的环节,才是对的成本分配。

和同梯队竞品(DeepSeek、Qwen、Kimi 的中端编码/Agent 型号)怎么选,没有标准答案:先用你最典型的 3-5 个真实任务做小批量 A/B,同时记完成率、跑偏率和实际 token 账单三个数,再决定。GLM-4.7 的差异化优势是「开放权重 + 原生 Agent 框架支持 + 编码第一梯队」这套组合,如果这三点正好戳中你的需求,它就值得放进短名单。