Z.ai: GLM 4.7

GLM 4.7 es el último modelo de texto insignia de Z.ai, lanzado el 22 de diciembre de 2025. Z.ai construye la familia GLM, y esta versión concentra sus mejoras en dos áreas: capacidad de programación y razonamiento y ejecución de varios pasos más estables. El proveedor también reporta mejoras en tareas complejas de agentes, lo que sitúa al modelo en la clase de asistentes de propósito general que se espera que planifiquen, llamen a herramientas y lleven a cabo una tarea a través de varios pasos en lugar de responder a una sola pregunta.

El modelo es texto de entrada y texto de salida. No acepta imágenes, audio ni otras entradas que no sean texto, y devuelve únicamente texto. Su ventana de contexto es de 204.800 tokens, y la longitud máxima de salida es de 131.072 tokens. Esa combinación importa para trabajos largos: un repositorio grande, un historial de conversación extenso o un gran montón de documentos pueden caber en el prompt, y la respuesta en sí puede ser lo bastante larga como para contener contenido generado sustancial, como un archivo grande o un informe completo, sin quedar truncada.

Debido al enfoque en razonamiento y agentes, los usos naturales son la generación, refactorización y revisión de código en archivos grandes, el uso de herramientas en varios pasos donde el modelo tiene que llamar a funciones y actuar sobre los resultados, y el análisis que requiere mantener mucho material a la vista a la vez. Las salidas estructuradas y los formatos de respuesta JSON lo hacen utilizable como el paso de razonamiento dentro de un pipeline, y el contexto grande ayuda cuando la tarea depende de detalles enterrados lejos del inicio del documento.

A través de api14 lo llamas con el id de modelo "z-ai/glm-4.7" en la API compatible con OpenAI, así que un cliente de OpenAI existente normalmente funciona después de que apuntes la URL base a api14 y cambies el nombre del modelo. Los parámetros de solicitud soportados son frequency_penalty, include_reasoning, logit_bias, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_a, top_k y top_p. Vale la pena señalar los parámetros relacionados con herramientas y razonamiento: tools y tool_choice impulsan el llamamiento a funciones, reasoning e include_reasoning controlan si se devuelve la salida de razonamiento, y response_format más structured_outputs restringen la forma de la respuesta. Seed está disponible para un muestreo reproducible, y los controles de muestreo estándar (temperature, top_p, top_k, min_p, top_a, las dos penalizaciones y repetition_penalty) te permiten ajustar la aleatoriedad y la repetición.

Como el modelo es solo de texto, las tareas que involucran imágenes, audio o vídeo necesitan un modelo diferente.