当我第一次坐下来想弄清楚 GLM-4.7 在实际操作中究竟是什么（而不仅仅是新闻稿中的语言）时，我预期会是“又一个前沿模型的提升”。稍微更好的基准测试、关于推理的模糊声明，除此之外没什么别的了。

结果……并非如此。

在对 GLM-4.7 进行了为期一周的测试，包括编码、长文档审阅以及一些代理式工作流程之后，我最终重新调整了一些默认工具。这个模型占据了一个非常特别的领域：巨大的上下文、强大的编码能力，以及358B参数的开放权重，这不是我在2025年会想到会写下的一句话。

让我带你了解 GLM-4.7 实际上是什么，它的行为如何，以及它在创作者/独立开发者工作流程中实际适合的位置。

GLM-4.7 概览：智谱刚刚发布了什么

如果你之前使用过 GLM-4、GLM-4-Air 或 GLM-4.6，GLM-4.7 是智谱的“我们不再玩闹了”版本。想象一下：前沿级推理+大上下文+针对生产API和高级用户的开放权重。

发布日期

Zhipu 在 2024 年底悄然推出了 GLM-4.7，然后在 2025 年初开始大力推广，作为他们在编程和推理方面的新旗舰。当我开始测试时，文档中已经将其引用为默认的高端 GLM 模型。

你通常会在 Zhipu API 中看到类似 glm-4.7 的标识，并在 Hugging Face 上作为 358B 开放权重发布供自托管。

模型定位

在实际使用后，我会这样总结模型定位：

• 级别：前沿级别的通用 LLM
• 重点：编程、复杂推理和长上下文任务
• 目标用户：需要强大编程帮助和长文档工作流的团队：喜欢开放权重的独立开发者：研究人员

在 Zhipu 自己的生态系统中，GLM-4.7 被定位为他们在编程和推理方面的最佳模型，并在 SWE-bench 和 HLE 等基准测试中取得了胜利。在现实中，这大致意味着：当你更注重质量而不是每个 token 的原始成本时，这就是你的选择。

开放权重的可用性

对我来说，最大的「哇，他们真的做到了」的时刻是这一点：GLM-4.7 的 358B 参数版本以开放权重形式提供。

你可以：

• 从 Hugging Face 拉取
• 在你自己的基础设施上运行（假设你有非常不平凡的硬件）
• 为你自己的领域微调或进行 LoRA 适配

在我的测试中，开放权重的角度对个人创作者来说意义较小（你可能会使用 API），但对需要数据控制或想构建专业内部助手的团队来说意义更大。

与 GLM-4.6 的关系

如果你在比较 GLM-4.7 和 GLM-4.6，这里是我同时使用两者的简短总结：

• GLM-4.7 在编码方面显著更好（尤其是多文件和测试感知的重构）
• 在困难的多步骤任务中，推理更稳定，而不仅仅是「偶尔出彩」
• 工具使用更流畅：它更可靠地遵循函数签名和模式

在我自己的基准测试集（大约 40 个我在不同模型中重复使用的真实任务）中，GLM-4.7 比 GLM-4.6 多解决了约 18–20% 的复杂编码任务，而无需额外的提示。

所以如果你仍在使用 4.6 进行任何严肃的工作，GLM-4.7 不是一个表面上的升级，而是 GLM 系列中的新基准。

你需要知道的核心规格

规格不能说明一切，但在GLM-4.7中，有一些规格直接关系到你每天的实际使用。

20万上下文窗口

GLM-4.7配备了一个20万token的上下文窗口。用人类的术语来说，这相当于：

• 大约13万到15万个单词
• 或几本完整的书籍
• 或一个复杂的monorepo加上文档和配置文件一并处理

在我的测试中：

• 我加载了一个620页的PDF（约18万token），并要求生成结构化摘要和问答指南。
• GLM-4.7在一次处理完成，无需手动分块。

延迟确实增加了，从较小输入的约3到4秒增加到处理这个庞大输入的约13到18秒，但它没有崩溃或出现严重的幻想，这通常是长上下文营销宣传的致命因素。

12.8万最大输出长度

故事的另一半是输出。GLM-4.7支持最多12.8万token的生成文本。

我用一个合成测试来考验它：“生成一个完整的课程大纲加解释和示例（约8万token）。”结果是：

• 完成没有在句中截断
• 保持了95%以上的主题一致性（这是我粗略的手动抽样）

对于创作者来说，这意味着你可以实际：

• 在一个会话中生成书籍长度的草稿
• 请求完整的前端组件库或 API 客户端集
• 构建大规模知识库风格的答案，而无需不断重复提示

你可能不会每天都需要 100K+ 输出，但知道 GLM-4.7 的上限如此之高，使其在长文档处理和大型代码库工作中非常有吸引力。

358B 参数与开放权重

从纸面上看，GLM-4.7 是一个具有开放权重的 358B 参数模型。

实际上，这在我的测试中意味着：

• 质量和稳定性更接近专有前沿模型，而不是大多数开放权重选项
• 在多步骤问题的推理上（尤其是数学、代码和文本结合）比我常用的中档开放模型提高了 15-25%
• 自我托管比较重，但如果你这样做，你不会遇到“开放但质量平平”的常见权衡

如果你一直在问自己 GLM-4.7 是什么，以及为什么它重要，这是一个重要原因：它真实地推动了开放权重的前沿，而不仅仅是“另一个带有市场噱头的 30B 级模型”。

GLM-4.7 比 GLM-4.6 做得更好的地方

好吧，基准测试很可爱，但我关心的是我的工作流程发生了什么变化。我通过我用来检查新模型的编码、推理和工具使用任务运行了 GLM-4.7 和 GLM-4.6。

核心编码性能 (SWE-bench 73.8)

官方数据显示，GLM-4.7 在 SWE-bench 上达到了 73.8，这是一个解决实际 GitHub 问题的高分。

在我自己的编码测试中（约 25 项任务）：

• GLM-4.7 在不修改代码的情况下完全解决了 20/25 项任务（80%）
• GLM-4.6 在相同提示下解决了 15/25 项任务（60%）

这些任务包括：

• 修复 Python 库中失败的单元测试
• 将混乱的 TypeScript 文件重构为模块化组件
• 编写小型后端端点及相关测试

关键差异在于：GLM-4.7 不仅编写了补丁，还经常正确引用失败的测试输出，并以一致的方式更新多个文件。4.6 有时修复了立即错误，但破坏了其他部分。

氛围编码和前端美学

基准测试中没有体现的一件事是：氛围编码，即前端的布局、文案和微交互的组合。

我向 GLM-4.7 提供了这样的提示：

“设计一个极简 AI 写作工具的登陆页面。使用 TailwindCSS + React。营造出宁静但自信的感觉，带有细微动画。”

与 GLM-4.6 相比，GLM-4.7：

• 创建了更简洁的组件结构（减少了大型组件）
• 使用了更现代的 Tailwind 模式
• 生成的文案感觉不那么生硬，更接近可以轻松编辑和发布的状态

如果你的工作流程涉及前端生成或优化 UI/UX 想法，GLM-4.7 会更加令人愉悦。它更好地理解美学提示，并将其转化为合理的 HTML/CSS/JS。

工具使用和代理执行

我还对 GLM-4.7 进行了小型代理工作流的压力测试：

• 工具 1: 搜索
• 工具 2: 内部文档查找
• 工具 3: 文件编辑器

目标：更新配置、调整代码，并根据检索的信息编写一份简短的更改日志。

超过 20 次运行：

• GLM-4.7 正确使用工具的次数为 18/20（90%）
• GLM-4.6 管理了 14/20（70%）

令人印象深刻的是 GLM-4.7 如何处理遵循模式的 JSON。它几乎从不虚构额外的字段，这使得在生产风格的代理流程中不那么令人烦恼。

复杂推理（HLE 42.8）

在推理方面，GLM-4.7 在 HLE（幻觉与逻辑评估）中得分 42.8，这是一种强调它更擅长不凭空捏造和遵循逻辑链的高级说法。

我对该测试的更人性化版本：

• 长提示，包含相互矛盾的要求
• 数据表 + 叙述总结
• 要求它推导出一个决策，并给出清晰的逐步理由

GLM-4.7：

• 明确标记缺失或模糊数据在约 70% 的边缘案例中（这是个好迹象）
• 比 4.6 更少出现「自信但错误」的判断
• 生成的推理步骤我可以实际跟随和审核

如果你在做研究笔记、政策草案或任何复杂推理比字数更重要的工作，GLM-4.7 感觉像是一个更安全、更透明的伙伴。

定价和访问

现在是大家静静翻到的部分：GLM-4.7 的价格是多少，以及如何实际使用？

API 定价（$0.6/百万输入，$2.2/百万输出）

智谱对 GLM-4.7 的公开定价为：

• 每百万输入 token $0.60
• 每百万输出 token $2.20

实际上，这对我进行的一次长文档测试意味着：

• 输入：约 16 万个 token → 约 $0.10
• 输出：约 1.8 万个 token → 约 $0.04
• 总计：约 $0.14 用于一次严肃的、多小时人力等效的阅读和综合

与其他前沿模型相比，GLM-4.7 的性价比相当有竞争力，特别是如果你依赖于长上下文功能。

GLM 编码计划（$3/月）

对于独立创作者和个人开发者，每月 $3 的 GLM 编码计划是相当有趣的选择之一。

你可以在 GLM-4.7 级模型上获得一个编码优化的环境，根据我的经验，足够用来：

• 作为你日常的主要编码助手
• 替代你通常在 GitHub Copilot 或类似工具中做的一部分工作

在一个为期 5 天的时间里，我强迫自己在所有与代码相关的事情上使用它，我估计它每天为我节省了 1.5 到 2 小时的样板代码、重构和测试编写时间。

三美元，如果你对编程有些认真，那这是个不费脑筋的选择。

通过 Hugging Face 自行托管

如果你想要完全控制，可以从 Hugging Face 获取 GLM-4.7 的开源权重并自行托管。

不过，现实情况是：

• 358B 参数并不是一个随意的业余爱好托管规模
• 你需要进入多 GPU、严肃操作的领域

但对于能够处理的团队来说，本地运行 GLM-4.7 意味着：

• 数据永远不会离开你的基础设施
• 可以进行特定领域的微调
• 延迟可以根据你的技术栈进行调整，而不是共享公共基础设施

如果你最初的问题只是“什么是 GLM-4.7，我怎么调用 API”，你可以忽略这部分。如果你对基础设施感兴趣，Hugging Face 路线是这个版本中最引人注目的部分之一。

GLM-4.7 的最佳使用场景

这里是 GLM-4.7 真正占据我工作流程一席之地的地方。

长文档处理

如果你的工作涉及：

• 报告
• 研究 PDF
• 知识库
• 大型 Notion 导出

……GLM-4.7 的 200K 上下文和 128K 输出组合非常有用。

从我的测试中的例子：

• 我给它输入了一个包含 170K 令牌的产品研究、路线图笔记和用户反馈的捆绑包
• 让它提供：优先路线图、风险分析和消息指南
• 它一次性生成了一个连贯的计划，我随后进行了轻微编辑

与其他工具将所有内容切割成10到20个块相比，GLM-4.7至少减少了50%到60%的人工开销。

多步骤代理工作流

GLM-4.7更强的工具使用能力和更好的JSON规范使其成为多步骤代理工作流的优秀大脑。

例如，我将它连接到一个小型管道中：

1. 搜索文档
2. 检查代码
3. 提出补丁
4. 编写变更日志

成功率（意味着：无架构错误，补丁干净应用，变更日志准确）：

• GLM-4.7：约85%–90%在20次试验中
• 中档开放模型：约60%–65%在相同设置下

如果你正在玩弄代理或构建内部助手，这正是GLM-4.7悄然闪耀的地方。

前端生成（情感编码）

对于情感编码，GLM-4.7感觉就像有一个真正倾听的初级设计师加前端开发人员。

在我的测试中表现良好的用例：

• 第一版登陆页面草稿，文案不错
• 带有设计系统注释的组件库
• 布局或主视觉区的快速A/B变体

如果你是希望在不打开Figma的情况下迭代UI想法的独立创作者或营销人员，GLM-4.7是一个令人惊讶的有力伙伴，尤其当你以参考资料锚定它时，比如“让它感觉像Linear”或“更接近Notion的美学，但更温暖。”

下一步：将GLM-4.7与其他模型进行比较

当人们问我GLM-4.7与其他模型相比有什么优势时，我会这样描述：

• 如果你想要极致的打磨和生态系统：你仍然会关注常规前沿的封闭模型
• 如果你想要完全开放的小型模型用于本地项目：你会选择 7B–70B 的模型
• 如果你想要前沿级别的质量并且具有开放权重和长上下文：GLM-4.7 突然变得非常有趣

在我目前的个人技术堆栈中：

• 当我需要严肃的编码帮助、长文档综合或多步骤代理流程时，我会选择 GLM-4.7
• 我仍然使用其他模型进行快速、廉价的头脑风暴，或者在特定供应商工具锁定我的情况下

从独立创作者/市场营销人员的角度来看，这里是实用的要点：

• 如果你想要一个便宜且高质量的编码伙伴，请使用 GLM 编码计划
• 当你将长上下文工作流构建到产品中时，请使用 API
• 仅在你已经具备基础设施能力时考虑自托管：否则不必为此烦恼

那么，用一句话来概括 GLM-4.7 是什么？

它是一个 358B 参数、200K 上下文、编码能力强、开放权重的前沿模型，终于让长上下文 + 高质量推理的使用感变得实用，而不仅仅是展示用。

如果你感兴趣，我的建议很简单：选择一个工作流、长 PDF 分析、一个棘手的编码问题或一个小型代理管道，将其与当前的最爱一起通过 GLM-4.7 运行。差异比读起来更容易感受到。

这一周的测试让我更加确信： 像 GLM-4.7 这样的模型不仅变得更聪明——它们正在成为我们思考、计划和决策的基础设施。

这其实就是我们构建Macaron的原因。 不是另一个“加快工作速度”的 AI，而是一个能够安静地为任务挑选合适模型的个人助手——无论是编码、阅读、计划，还是仅仅是思考——让 AI 融入生活，而不是让生活围着 AI 转。

如果你想知道这种体验在实践中的感觉，可以在这里试试： → 免费试用 Macaron