同步自 OpenRouter · 400 个模型 · source=openrouter · 2026-08-10T01:43:44.348Z
GLM 4.7
z-ai/glm-4.7
GLM-4.7 是 Z.ai 推出的最新旗舰模型，重点升级编程能力和稳定多步推理执行，在复杂 Agent 任务中表现显著提升，同时提供自然对话体验与优秀前端美学。支持工具调用、推理与长时程任务规划，上下文长度达 205K。模型权重开源（Hugging Face zai-org/GLM-4.7），可通过 Z.ai API 或 OpenRouter 访问，也支持 vLLM 等框架本地部署。适用于代码生成、Agent 开发等场景。未知细节以厂商/网关为准。
Z.ai 旗舰模型，强化代码与多步Agent能力
GLM / 智谱
Z.ai · 知识库 159 模 / 31 族
Z.ai 旗舰模型，强化代码与多步Agent能力
GLM-4.7 是 Z.ai 推出的最新旗舰模型，重点升级编程能力和稳定多步推理执行，在复杂 Agent 任务中表现显著提升，同时提供自然对话体验与优秀前端美学。支持工具调用、推理与长时程任务规划，上下文长度达 205K。模型权重开源（Hugging Face zai-org/GLM-4.7），可通过 Z.ai API 或 OpenRouter 访问，也支持 vLLM 等框架本地部署。适用于代码生成、Agent 开发等场景。未知细节以厂商/网关为准。
智谱 GLM 系列，中英双语与 Agent/代码场景应用广泛。
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...
- Z.ai 旗舰模型，强化代码与多步Agent能力
- 当前版本线 4.7
- 归并版本 13 个
- GLM-4 系列 4.7 版本，基于新基座模型专精代码与工具调用
适用场景
- 代码生成与调试
- Agentic 应用构建
- 复杂多步任务规划
能力 / 优势
- 增强编程能力
- 多步推理与执行
- 复杂Agent任务
- 工具调用与自然对话
边界 / 不适合
- 以厂商/网关为准
接入提示：OpenAI 兼容 API，通过 OpenRouter（短ID z-ai/glm-4.7）或 Z.ai 平台接入；权重公开于 Hugging Face，支持 vLLM/SGLang 本地部署
常见问题
该模型上下文长度是多少？
205K tokens，以 OpenRouter 数据为准。
是否支持工具调用与Agent任务？
支持，专为复杂Agent与多步执行优化。
历史版本 / 相关变体
| 版本 | 模型 | 参数 | 来源 | 说明 |
|---|---|---|---|---|
| 5.2 | GLM 5.2 z-ai/glm-5.2 | — | OpenRouter | |
| 5.1 | GLM 5.1 z-ai/glm-5.1 | — | OpenRouter | |
| 4.7 | GLM 4.7 Flash z-ai/glm-4.7-flash | — | OpenRouter | |
| 4.7当前 | GLM 4.7 z-ai/glm-4.7 | — | OpenRouter | |
| 4.6 | GLM 4.6 z-ai/glm-4.6 | — | OpenRouter | |
| 4.5 | GLM 4.5 z-ai/glm-4.5 | — | OpenRouter | |
| 4.5 | GLM 4.5 Air z-ai/glm-4.5-air | — | OpenRouter | |
| — | GLM 5.2 (batch) z-ai/glm-5.2:batch | — | OpenRouter | |
| — | GLM 5V Turbo z-ai/glm-5v-turbo | — | OpenRouter | |
| — | GLM 5 Turbo z-ai/glm-5-turbo | — | OpenRouter | |
| — | GLM 5 z-ai/glm-5 | — | OpenRouter | |
| — | GLM 4.6V z-ai/glm-4.6v | — | OpenRouter | |
| — | GLM 4.5V z-ai/glm-4.5v | — | OpenRouter |
定价与限制
| 输入 | $0.400 / 百万 tokens |
| 输出 | $1.75 / 百万 tokens |
| 缓存读 / 写 | $0.080 / — |
| 最大输出 | 131k |
| 输入模态 | text |
| 输出模态 | text |
| HF | zai-org/GLM-4.7 |
支持参数
价格与基准分优先同步自 OpenRouter；网关短 ID 由本站平台清单补全，介绍/历史版本融合 Hugging Face 检索与家族知识库。能力验真请用 bench_v1 实验室 · OCR 天梯。
关于本页实体
GLM 4.7：怎么用本页做决策
GLM 4.7 模型页汇总价格、上下文与能力线索，并与天梯/排行联动。
深度解读见相关指南；跑分与挂价会更新，请以当日快照为准。
相关指南
- 2026 本地 LLM VRAM 天梯：从 8GB 到 80GB+ 最佳开源模型匹配指南 — 基于 2026 年最新开源模型（如 Qwen3、DeepSeek V4、GLM-5.2）与 RTX 50 系列、消费级 GPU 实测，构建完整 VRAM 消耗天
- 2026 本地 LLM 天梯：按 VRAM 从 4GB 到 80GB 最优模型实测推荐 — 基于 2026 年最新量化技术与 RTX 50 系列 GPU，详细拆解不同显存配置下 Qwen3、Mistral Large 3、GLM-5 等模型的实际性能、
- 2026 Grok 编码模型天梯：性价比与选型实战榜 — 聚焦Grok Build 0.1编码代理天梯，实测多场景性价比、上下文长度与工具调用稳定性；对比主流模型，提供工程选型清单与硬件适配建议。
- 2026 GrokCode vLLM 本地部署生产清单：并发、显存、量化与模型天梯实战 — vLLM本地部署生产级配置全指南，聚焦并发处理能力、显存优化、量化策略与编码模型天梯性价比对比。结合GrokCode实验室实测数据，提供工程可核验的硬件搭配方案
- Grok / xAI 模型天梯在 vLLM 本地部署的性价比排行榜 — 2026年 GrokCode 模型天梯在 vLLM 本地部署场景下的编码模型排行榜，覆盖 70B 级 TCO 实测、量化策略与业务选型路径。
- 本地部署 70B 模型天梯：TCO 实测与电费卡费量化 — GrokCode 针对 70B 级别本地部署的算力账单化方案，涵盖电费、硬件卡费、量化策略实测数据与 vLLM 生产清单，助力模型天梯性价比选型。
- 编码模型天梯怎么读：Grok 4.5 性价比榜与业务选型实战 — 2026 年最新 Grok 4.5 / Grok 4.20 编码模型天梯拆解：BenchAlign v5、LM Arena、HighWalk 实测数据 + 与
- Ollama 到 vLLM 生产升级：硬件门槛与推理性能天梯 — 本地部署模型天梯实测：Ollama 原型 vs vLLM 生产，显存量化与并发实测
常见问题
- GLM 4.7 的价格与能力数据从哪来？
- 公开目录、官方价表与本站监测/天梯快照。账单以官方或供应商当日为准。
主题柱
slug：z-ai/glm-4.7 · 主题柱讲方法，实时数字以本页表格为准
站内推荐
同系工具：Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗