GLM 4.7

# 一、简介与定位

中国智谱AI（Zhipu AI，后更名为Z.ai）于2025年12月23日正式发布GLM 4.7大模型，定位为聚焦编程与智能体场景的开源旗舰大模型，主打实战化能力提升。

GLM 4.7中，“GLM”是“General Language Model”（通用语言模型）的缩写，延续智谱GLM系列的命名逻辑，后缀“4.7”代表其为GLM 4系列的迭代升级版本，区别于前代的4.6版本；核心功能聚焦编程能力强化、复杂推理优化与智能体协同，可实现代码生成与修复、长程任务规划、工具调用等实战场景需求。使用门槛方面，该模型全面开源，无需订阅即可通过Github获取源码，官方API可通过BigModel.cn接入，暂未明确公开免费额度，无明显使用地域限制；同期无明确“兄弟模型”发布，但其发布前后智谱AI密集推出GLM-4.6、GLM-5等系列模型，形成迭代矩阵。

当前GLM 4.7处于生命周期的活跃阶段，未被淘汰，仍是智谱AI开源模型体系中的核心主力之一；其最突出的核心特点是引入显式“思考层”机制，实现“先思考、再行动”，在编程与复杂推理场景中具备更强的逻辑一致性和任务完成度。

# 二、发展历程

# 2.1 研发背景

GLM 4.7发布前，行业内主流大模型呈现“闭源领跑、开源追赶”的格局：闭源领域，GPT-5系列、Claude 4.5系列凭借强大的综合能力占据高端市场，在编程、复杂推理等场景表现突出，但存在使用成本高、不开源、国内用户访问受限等问题；开源领域，Qwen、DeepSeek等国产模型及Llama系列海外模型快速迭代，虽具备开源优势，但普遍存在逻辑一致性不足、多轮任务易遗忘、编程实战能力与闭源模型差距明显等痛点。彼时，智谱AI正冲刺港股“大模型第一股”，亟需一款能在开源领域突破、补齐编程能力短板、提升国际影响力的旗舰模型，GLM 4.7正是在这样的行业局势下应运而生，聚焦“实战化”突破，填补国产开源模型在高端编程场景的短板。

# 2.2 关键节点

GLM 4.7的研发紧密衔接GLM 4.6的迭代节奏，早在2025年下半年便启动立项，核心目标是解决前代模型在代码生成逻辑不一致、多轮任务遗忘、工具使用碎片化等瓶颈；经过数月的技术打磨与数据训练，2025年12月中旬进入内部内测阶段，邀请部分开发者与企业用户参与测试，收集编程、推理等场景的优化建议，快速调整模型参数与思考机制；2025年12月22日，智谱AI开启模型发布预热，引发行业广泛关注；12月23日，正式上线并宣布全面开源，同步开放API接入与开源代码下载，12月24日完成全平台布局，接入智谱清言APP、z.ai开发平台等场景。

# 2.3 家族构成

GLM 4.7隶属于智谱AI GLM系列大模型，该家族自2022年推出GLM-130B双语稠密模型后，逐步构建起覆盖多场景、多规格的模型矩阵，核心相关模型如下：

GLM-130B：2022年发布的双语稠密模型，是GLM系列的破局之作，具备较强的双语处理能力，为后续模型的架构研发奠定了基础，定位为早期旗舰级开源模型，主要用于学术研究与基础场景落地。

GLM-4.6：GLM 4.7的前代模型，发布于2025年，定位为通用开源模型，在对话、创意写作等场景有较好表现，但在编程、复杂推理的逻辑一致性上存在明显短板，为GLM 4.7的迭代提供了优化方向。

GLM-5：2026年2月发布的新一代旗舰模型，定位为从“对话编码”向“Agentic Engineering”范式转型的闭源模型，采用MoE架构，参数量达7440亿，聚焦智能体工程场景，整体性能优于GLM 4.7，是智谱AI高端闭源模型的核心代表。

GLM-5-Turbo：2026年3月发布，专为OpenClaw生态系统构建的端到端智能体工作流优化模型，支持超长上下文窗口，幻觉率低，侧重智能体任务的稳定执行，与GLM 4.7形成开源与闭源、通用与专项的互补。

GLM-OCR：2026年3月发布的专项多模态模型，聚焦复杂布局下的文字识别与语义提取，基于GLM-V编码器—解码器架构构建，开源且推理高效，属于GLM家族的专项能力补充模型。

GLM-Image：2026年1月发布的开源图像生成模型，采用AR+Diffusion混合架构，专注于高知识密度与高保真图像生成，强化中英文字符渲染能力，是GLM家族多模态布局的重要组成部分。

# 三、核心技术剖析

# 3.1 固有技术

GLM 4.7继承了GLM系列基座模型的核心底层架构，采用标准的Transformer稠密架构，延续了GLM系列成熟的预训练与对齐手段，确保模型具备扎实的语言理解与生成基础。同时，继承了前代模型的多模态处理能力，可兼容文本、图像等多类型输入，无需额外适配即可完成基础的多模态交互任务；在训练流程上，沿用了智谱AI成熟的语料训练体系，基于大规模通用语料与编程专项语料进行预训练，保障了模型在通用场景与核心专项场景的基础性能。

# 3.2 创新技术

GLM 4.7的核心创新的是引入显式“思考层（Thinking Layer）”机制，打破传统大模型“输入→直接输出”的模式，实现“先思考、再行动”，同时在架构与训练策略上有针对性优化，具体创新点如下：

1.  三重思考模式，解决逻辑一致性与遗忘问题：这是GLM 4.7最核心的创新，首次系统实现三种思考层，让模型具备类似人类的分步思考能力。一是Interleaved Thinking（分步思考），模型在输出或调用工具前，会自动生成隐性推理过程，分解任务目标、制定路径、预测障碍，避免“一步错步步错”，在真实编程任务（SWE-bench）中准确率提升5%-10%；二是Preserved Thinking（记忆思考），引入“推理状态缓存”，将思考链显式保留在内部上下文，避免多轮任务中遗忘推理逻辑，减少20%的逻辑漂移，在长链任务中性能提升16.5%；三是Turn-level Thinking（可控思考），支持用户自主控制每一轮思考深度，轻量任务关闭思考层提升响应速度，复杂任务开启思考层保障准确率，实现效率与质量的平衡。

2.  架构优化，兼顾性能与效率：GLM 4.7对注意力机制进行升级，从GLM 4.6的GQA切换为MLA + DeepSeek Sparse Attention混合架构，在保持超长上下文保真度的同时，显著降低训练与推理的计算开销，让模型在长文本处理与复杂任务推理中更高效，无需过高算力即可稳定运行。

3.  编程专项优化，提升实战能力：引入Multi-Token Prediction（MTP）训练策略，跟进行业前沿技术，强化代码生成的连贯性与准确性；同时构建大量真实编程执行环境，让模型在多轮长周期编程任务中学习错误修正行为，不仅能生成逻辑严谨的代码，还能优化前端视觉设计，生成具备现代感的网页、幻灯片等作品，摆脱“开发者审美”的局限。

# 四、表现评估

# 4.1 历史与现状

GLM 4.7刚发布时，凭借开源优势与编程能力的突破性提升，迅速跻身开源大模型第一梯队：发布当日便登顶Artificial Analysis“AA智能指数”开源模型榜首，在多个编程类榜单中超越同类开源模型，甚至优于部分闭源模型，引发全球开发者关注，成为国产开源模型“突围”的代表。截至2026年4月，GLM 4.7仍是开源领域表现优秀的编程类模型，但其行业地位受到GLM-5系列、DeepSeek V3等新模型的冲击，核心优势仍集中在“开源免费+编程实战”，受众主要为开发者、中小企业及科研机构，在高端闭源模型的挤压下，难以进入头部商业场景，但在开源生态与中小规模应用中仍保持较高活跃度。

# 4.2 优势亮点

结合业内权威榜单与实际测试表现，GLM 4.7的优势主要集中在编程、复杂推理与开源易用性三个维度，具体如下：

1.  编程能力突出，开源领域领先：在LMArena代码竞技场盲测中，GLM 4.7位列开源模型第一，超越GPT-5.2；在LiveCodeBench V6中得分84.8，超过Claude 4.5 Sonnet；在代码竞技场WebDev中斩获开源第一，跻身全球第六；能轻松完成多语言代码生成、代码修复、多文件代码库修改等任务，甚至能优化前端视觉设计，生成符合设计师审美 的作品，满足日常开发与中小企业编程需求绰绰有余。

2.  复杂推理能力优异：在AIME 2025（数学）测试中，表现优于Claude 4.5 Sonnet和GPT-5.1；在人类终极考试（HLE）中得分42%，较GLM-4.6提升38%，接近GPT-5.1水平；在τ²-Bench真实世界交互测试中，与Claude 4.5 Sonnet持平，三重思考模式有效解决了复杂任务中的逻辑漂移与遗忘问题。

3.  开源易用，生态完善：全面开源，开发者可通过Github免费获取源码，支持vLLM、SGLang等工具部署，降低推理时延与算力成本；官方提供API接入、全栈开发平台支持，同时兼容Claude Code、TRAE等主流编程框架，上手门槛低，适合各类开发者使用；开源社区活跃，形成了一定的二创与优化生态。

4.  中文处理能力扎实：作为国产模型，GLM 4.7基于中文语料优化训练，在中文编程注释、中文需求理解、中文复杂推理等场景中，表现优于同类海外开源模型，适配国内开发者的使用习惯。

# 4.3 缺点与不足

GLM 4.7虽表现亮眼，但仍存在明显短板，客观来看主要有以下几点：

1.  综合性能不及高端闭源模型：尽管在开源领域表现突出，但与GPT-5系列、Claude 4.5 Opus等高端闭源模型相比，仍有一定差距，在超复杂任务规划、多模态深度交互等场景中，稳定性与准确性不足，部分早期用户反馈其实际表现未明显优于Claude 4.5 Sonnet，甚至不及Minimax M2.1。

2.  部分场景存在幻觉问题：在处理小众领域知识、冷门编程框架相关任务时，容易出现逻辑错误或信息偏差，幻觉率虽低于前代模型，但仍未完全解决，尤其在缺乏足够训练语料的场景中，表现不够稳定。

3.  模型迭代过快，生态适配滞后：智谱AI模型发布节奏密集，用户反馈“GLM-4.6还未熟悉，GLM 4.7就已发布”，导致第三方工具、插件对GLM 4.7的适配不够及时，部分场景下无法充分发挥模型的核心能力。

4.  专项能力不均衡：过度侧重编程与推理能力，在创意写作、角色扮演等场景中的提升有限，相较于同类开源模型，无明显优势，综合场景适配性不足。

# 五、重大事件

1.  2025年12月23日，GLM 4.7正式发布并全面开源：智谱AI在递交港股招股书后迅速推出该模型，发布当日便登顶Artificial Analysis“AA智能指数”开源模型榜首，引发行业广泛关注，成为国产开源模型在编程领域突破的标志性事件，被媒体称为“国产大模型的编程突围”。

2.  2025年12月底，引发全球开源社区热议：GLM 4.7开源后，被硅谷开发者称为“来自中国的编程礼物”，出现大量海外开发者“套壳”使用的现象，打破了海外开源模型对全球开发者社区的垄断，提升了中国大模型的国际影响力。

3.  2026年初，多项榜单登顶，验证核心实力：GLM 4.7相继在Vals Index、Design Arena等权威榜单中取得优异成绩，其中Vals Index榜单中空降开源模型第一，Design Arena中胜率与Elo评分高居第二，超过Claude Opus 4.5和GPT-5.2，进一步巩固了其在开源编程模型中的领先地位。

4.  2026年3月，适配主流编程框架，扩大应用范围：GLM 4.7成功接入Claude Code、TRAE等主流编程框架，实现“先思考、再行动”机制在多场景的落地，其任务完成率较前代提升10%-15%，成为中小企业与开发者的首选开源编程模型之一。