當我第一次坐下來想弄清楚 GLM-4.7 實際上是什麼（不僅僅是新聞稿語言）時，我預期會看到「又一個前沿模型的提升」。稍微更好的基準測試，對推理的模糊聲稱，除此之外就沒什麼了。

但這並不是我所遇到的結果。

在對 GLM-4.7 進行了一周的測試後，涵蓋編碼、長文檢視和一些代理風格的工作流程，我最終重新調整了一些我預設的工具。這個模型佔據了一個非常特別的利基市場：龐大的上下文，出色的編碼能力，以及開放的 3580 億參數權重，這不是我以為我會在 2025 年寫下的一句話。

讓我帶你了解 GLM-4.7 實際上是什麼，它的行為如何，以及它實際上如何適合創作者/獨立開發者的工作流程。

GLM-4.7 概述：智譜最新推出的產品

如果你之前用過 GLM-4、GLM-4-Air 或 GLM-4.6，GLM-4.7 是智譜的「我們不再玩票」的版本。想像一下：前沿級別的推理能力 + 大上下文 + 面向生產 API 和高級用戶的開放權重。

發佈日期

智譜在 2024 年底悄悄推出了 GLM-4.7，然後在 2025 年初開始大力推廣，作為其新的編碼和推理旗艦產品。當我開始測試時，文件中已經將其作為預設的高端 GLM 模型。

在智譜 API 中，你通常會看到它以 glm-4.7 或類似的形式出現，並且作為 358B 開放權重版本在 Hugging Face 上提供自我託管。

模型定位

在實際使用後，我會這樣總結模型定位：

• 階層：前沿級別，通用 LLM
• 重點：編碼、複雜推理及長上下文任務
• 目標用戶：需要強大編碼幫助和長文檔工作流程的團隊：喜歡開放權重的獨立開發者：研究人員

在智譜自己的生態系統中，GLM-4.7 被定位為其最佳的編碼和推理模型，並在 SWE-bench 和 HLE 等基準測試中獲得優勝。在現實世界中，這大致意味著：當你更關注質量而非每個 token 的原始成本時，這就是你的首選。

開放權重可用性

讓我驚呼「哇，他們真的做到了」的最大時刻是這個：GLM-4.7 的 358B 參數版本可以作為開放權重獲得。

你可以：

• 從 Hugging Face 拉取
• 在自己的基礎設施上運行（假設你有非常強大的硬體）
• 微調或 LoRA 調整以適應自己的領域

在我的測試中，開放權重這點對於個人創作者來說影響較小（你可能使用的是 API），但對於需要數據控制或希望構建專用內部助手的團隊來說，則更為重要。

與 GLM-4.6 的關係

如果你在考慮 GLM-4.7 和 GLM-4.6，這是我在並排使用時的簡短總結：

• GLM-4.7 在編碼上顯著更好（特別是在多文件和測試感知的重構方面）
• 在處理困難、多步驟任務時推理更一致，而不僅僅是「偶爾驚艷」
• 工具使用更流暢：它更可靠地遵循功能簽名和架構

在我自己的基準測試集中（約 40 個我在不同模型中重複使用的真實任務），GLM-4.7 解決了約 18–20% 更多的複雜編碼任務，且無需額外的提示努力。

所以，如果你在 4.6 上做任何嚴肅的事情，GLM-4.7 不是一個表面上的升級，而是 GLM 系列中的新基準。

你需要知道的核心規格

規格並不能說明一切，但使用 GLM-4.7 時，其中一些規格確實直接影響到你每天的實際使用情況。

200K 內容窗口

GLM-4.7 配備了一個 200K 代幣的內容窗口。用人類的語言來說，相當於：

• 大約 130–150k 字
• 或幾本完整的書
• 或龐大的 monorepo + 文檔 + 配置文件一次搞定

在我的測試中：

• 我加載了一個 620 頁的 PDF（約 180K 代幣）並要求提供結構化摘要 + 問答指南。
• GLM-4.7 一次性處理，無需手動分塊。

延遲確實上升，從較小提示的約 3–4 秒增加到那個龐大輸入的約 13–18 秒，但它沒有崩潰或產生嚴重的幻覺，而這通常是長內容營銷聲稱失敗的原因。

128K 最大輸出長度

故事的另一半是輸出。GLM-4.7 支持最多 128K 代幣的生成文本。

我用一個合成測試進行了推動：「生成一個完整的課程大綱 + 解釋 + 示例（約 80K 代幣）。」它：

• 完成而不在句子中途截斷
• 保持主題一致性達 95% 以上（我的粗略手動樣本）

對於創作者來說，這意味著你可以現實地：

• 在單次會話中生成書籍長度的草稿
• 要求整個前端組件庫或 API 客戶端集
• 構建大規模知識庫風格的答案，而不用不斷重新提示

你可能不會每天都使用 100K+ 的輸出，但知道這個上限如此高，使得 GLM-4.7 在長文檔處理和大型代碼庫工作中非常吸引人。

358B 參數和開放權重

在理論上，GLM-4.7 是一個擁有開放權重的 358B 參數模型。

實際上，在我的測試中，它的表現如下：

• 品質和穩定性比大多數開放權重選項更接近專有的前沿模型
• 在多步問題（尤其是數學、代碼和文本結合）的推理能力比我經常使用的中級開放模型高出 15–25%
• 自行託管時較重，但這樣做時，不必面對「開放但質量一般」的常見權衡

如果你一直在問自己，不只是 GLM-4.7 是什麼，而是為什麼它重要，那麼這就是其中一個大原因：它真正推動了開放權重的前沿，而不僅僅是「另一個帶有市場噱頭的 30B 左右模型」。

GLM-4.7 比 GLM-4.6 更好的地方

好的，基準測試很可愛，但我更關心工作流程中發生了什麼變化。我使用相同的編碼、推理和工具使用任務來運行 GLM-4.7 和 GLM-4.6，以檢查新模型的合理性。

核心編碼性能（SWE-bench 73.8）

官方數據顯示，GLM-4.7 在 SWE-bench 上達到 73.8，這是一個在真實世界中解決 GitHub 問題的高分。

在我自己的編碼測試中（約 25 個任務）：

• GLM-4.7 完全解決了 20/25 個任務（80%），而我沒有觸及代碼
• GLM-4.6 在相同提示下解決了 15/25 個任務（60%）

這些任務包括：

• 修復 Python 庫中失敗的單元測試
• 將混亂的 TypeScript 文件重構為模塊化組件
• 編寫小型後端端點及相關測試

關鍵區別在於：GLM-4.7 不僅寫了補丁，還經常正確引用失敗的測試輸出，並以一致的方式更新多個文件。而 4.6 有時修復了立即錯誤但破壞了其他部分。

感覺編碼和前端美學

基準測試中無法顯示的一件事是：感覺編碼，即前端的佈局、文案和微交互的組合。

我給 GLM-4.7 的提示是：

「設計一個極簡 AI 寫作工具的登陸頁面。使用 TailwindCSS + React。讓它感覺平靜但自信，帶有微妙的動畫。」

與 GLM-4.6 相比，GLM-4.7：

• 產生更乾淨的元件結構（更少的神元件）
• 使用更現代的 Tailwind 模式
• 生成的文案感覺不那麼機械，更接近可輕微編輯並發佈的狀態

如果你的工作流程涉及前端生成或優化 UI/UX 構思，GLM-4.7 的使用體驗會更加愉悅。它更能「理解」美學暗示，並將其轉化為合理的 HTML/CSS/JS。

工具使用和代理執行

我也用一個小型代理工作流程對 GLM-4.7 進行了壓力測試：

• 工具 1：搜尋
• 工具 2：內部文件查閱
• 工具 3：文件編輯器

目標：根據檢索資訊更新配置、調整代碼，並撰寫簡短的變更日志。

超過 20 次運行：

• GLM-4.7 正確使用工具的次數為 18/20（90%）
• GLM-4.6 則為 14/20（70%）

值得注意的是，GLM-4.7 如何處理遵循模式的 JSON。它幾乎從不產生多餘的字段，這使得它在生產風格的代理流程中不那麼惱人。

複雜推理（HLE 42.8）

在推理方面，GLM-4.7 在 HLE（幻覺與邏輯評估）中得分 42.8，這是一種說法，表示它在不捏造事物和遵循邏輯鏈方面表現更好。

我更人性化的測試版本：

• 包含相互矛盾要求的長提示
• 數據表 + 敘述性摘要
• 要求其推導出一個決策，並提供清晰的逐步說明

GLM-4.7：

• 明確標示約 70% 的邊緣情況中的缺失或模糊數據（這是一個好跡象）
• 比 4.6 版本做出更少「自信但錯誤」的聲明
• 產生的推理步驟我能夠實際跟隨和審核

如果您在做研究筆記、政策草案，或任何需要複雜推理而非字數的地方，GLM-4.7 感覺像是一個更安全、更透明的夥伴。

價格與使用

現在來談談大家悄悄關心的部分：GLM-4.7 的價格是多少，您實際上如何使用它？

API 價格（$0.6/百萬輸入，$2.2/百萬輸出）

智譜公開的 GLM-4.7 價格為：

• 每百萬輸入 Token 0.60 美元
• 每百萬輸出 Token 2.20 美元

實際上，這對我的一個長文檢測意味著：

• 輸入：約 16 萬個 Token → 約 0.10 美元
• 輸出：約 1.8 萬個 Token → 約 0.04 美元
• 總計：約 0.14 美元，對於一個嚴肅的、多小時人力等價的閱讀和綜合

與其他前沿模型相比，GLM-4.7 的性價比競爭力相當高，尤其是如果您依賴長上下文功能。

GLM 編碼計畫（月費 3 美元）

對於獨立創作者和個人開發者，月費 3 美元的 GLM 編碼計畫悄然成為較有吸引力的選擇之一。

您可以獲得一個經過編碼優化的環境，基於 GLM-4.7 級別的模型，根據我的經驗，這已足夠：

• 每天用作您的主要編碼助手
• 取代您通常在 GitHub Copilot 或類似工具中做的一部分工作

在連續 5 天的時間裡，我強迫自己將它用於所有與代碼相關的事情，我估計它每天為我節省了 1.5 到 2 小時的樣板代碼、重構和測試編寫時間。

花三塊錢，如果你對編碼有點認真，這是毫不費力的選擇。

自行託管 via Hugging Face

如果你想要完全的控制權，你可以從 Hugging Face 獲取 GLM-4.7 的公開權重並自行託管。

不過，現實檢查：

• 358B 參數不是一個隨便玩玩的託管大小
• 你將進入多 GPU、嚴肅運營的領域

但對於能處理的團隊來說，本地運行 GLM-4.7 意味著：

• 數據永遠不會離開你的基礎設施
• 你可以進行領域特定的微調
• 延遲可以調整到你的堆疊，而不是共享的公共基礎設施

如果你的初始問題只是「什麼是 GLM-4.7 以及如何使用 API」，你可以忽略這部分。如果你對基礎設施感興趣，Hugging Face 路線是這次發布中最吸引人的部分之一。

GLM-4.7 的最佳用例

這是 GLM-4.7 真正贏得我青睞的地方。

長文件處理

如果你的工作涉及：

• 報告
• 研究 PDF
• 知識庫
• 大量 Notion 匯出

…GLM-4.7 的 200K 上下文和 128K 輸出組合非常有用。

我測試中的例子：

• 我給它提供了一個 170K 字符的產品研究、路線圖筆記和用戶反饋捆綁包
• 要求它：優先的路線圖、風險分析和信息指南
• 它一次性生產了一個連貫的計劃，我然後稍微編輯了一下

與其他工具將所有內容切成 10–20 塊相比，GLM-4.7 將手動工作量至少減少了 50–60%。

多步驟代理工作流程

GLM-4.7 更強的工具使用能力和更好的 JSON 規範，使其成為多步驟代理工作流程的優秀大腦。

例如，我將它連接到一個小型管道中：

1. 搜尋文件
2. 檢查代碼
3. 提出修補建議
4. 撰寫變更日誌

成功率（即：無模式錯誤，修補順利應用，變更日誌準確）：

• GLM-4.7：大約 85–90%，20 次試驗
• 中等級開源模型：同一設置下大約 60–65%

如果你正在玩代理或構建內部副駕駛，這是 GLM-4.7 默默發光的地方。

前端生成（氛圍編碼）

在氛圍編碼方面，GLM-4.7 就像一位真的會傾聽的初級設計師和前端開發者。

在我的測試中效果良好的使用案例：

• 初步著陸頁草稿，內容不錯
• 包含設計系統註釋的元件庫
• 佈局或主題部分的快速 A/B 變體

如果你是一個想要在不為每一個小變動開 Figma 的情況下迭代 UI 想法的獨立創作者或行銷人員，GLM-4.7 是一個非常有潛力的夥伴，特別是在你給它一些參考的情況下，比如「讓它感覺像 Linear」或「更接近 Notion 的美學，但更溫暖一些」。

下一步：將 GLM-4.7 與其他模型進行比較

當人們問我 GLM-4.7 與其他模型相比有什麼優勢時，我是這樣來說的：

• 如果你想要最大程度的打磨和生態系統：你仍會關注通常的前沿封閉模型
• 如果你想要完全開放的小型模型來做本地玩具：你會選擇 7B–70B 的東西
• 如果你想要具有前沿品質的開放權重和長上下文：GLM-4.7 突然變得非常有趣

在我目前的個人堆疊中：

• 當我需要嚴肅的編程幫助、長文檔綜合或多步驟代理流程時，我會選擇 GLM-4.7
• 我仍然使用其他模型來進行快速、便宜的頭腦風暴，或在特定供應商工具鎖定的情況下

從獨立創作者 / 市場營銷者的角度來看，這是實際的要點：

• 如果你想要一個便宜且高質量的編程夥伴，請使用 GLM 編程計劃
• 當你將長上下文工作流構建到產品中時，請使用 API
• 僅在你已經具有基礎設施能力的情況下考慮自我託管：否則不要過於擔心

那麼，GLM-4.7 用一句話來說是什麼？

它是一個 358B 參數、200K 上下文、編程能力強、開放權重的前沿模型，最終讓長上下文 + 高質量推理感覺可用，而不僅僅是演示友好。

如果你感到好奇，我的建議很簡單：選擇一個工作流程、長 PDF 分析、一個棘手的編程問題或一個小型代理管道，並將其與你當前的最愛一起運行 GLM-4.7。這種差異比讀起來更容易感受到。

這週的測試讓我更堅信一件事： 像 GLM-4.7 這樣的模型不僅在變得更聰明——它們正在成為我們思考、規劃和決策的基礎設施。

這個想法其實就是我們打造Macaron的原因。 不是另一個“做更多工作更快”的 AI，而是一個能安靜地為每個任務挑選合適模型的個人助手——不論是編碼、閱讀、規劃，還是單純地思考——讓 AI 融入生活，而不是相反。

如果你想知道這在實際中是什麼感覺，可以在這裡試試看： → 免費試用 Macaron