Z.ai: GLM 4.5V contre Z.ai: GLM 4.7
Un comparatif côte à côte de Z.ai: GLM 4.5V (2,10 $US / 1M jetons (≈ 1,88 €)) et Z.ai: GLM 4.7 (2,10 $US / 1M jetons (≈ 1,88 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Z.ai: GLM 4.5V | Z.ai: GLM 4.7 | |
|---|---|---|
| Fournisseur | Z.ai | Z.ai |
| Entrée | 2,10 $US / 1M jetons (≈ 1,88 €) | 2,10 $US / 1M jetons (≈ 1,88 €) |
| Sortie | 6,30 $US / 1M jetons (≈ 5,65 €) | 7,70 $US / 1M jetons (≈ 6,90 €) |
| Lecture du cache | 0,39 $US / 1M jetons (≈ 0,35 €) | 0,39 $US / 1M jetons (≈ 0,35 €) |
| Fenêtre de contexte | 65 536 | 204 800 |
| Sortie max. | 16 384 | 131 072 |
| Entrée | text, image | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 11 août 2025 | 22 déc. 2025 |
Principales différences
- Les deux ont à peu près le même prix en entrée.
- Z.ai: GLM 4.5V est 18% moins cher sur les tokens de sortie.
- Z.ai: GLM 4.7 lit 3.1× plus de contexte (204 800 tokens).
- Seul Z.ai: GLM 4.7 prend en charge la sortie JSON structurée.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00525 $US avec Z.ai: GLM 4.5V et 0,00595 $US avec Z.ai: GLM 4.7.
En détail
Z.ai : GLM 4.5V et Z.ai : GLM 4.7 sont tous deux des modèles de génération de texte de Z.ai, proposés via api14 sous les identifiants de modèle z-ai/glm-4.5v et z-ai/glm-4.7. Ils appartiennent à la même famille GLM et partagent un fournisseur, donc le choix entre eux relève moins de la confiance envers le fournisseur que de la forme de la tâche que vous exécutez. GLM 4.5V est sorti le 2025-08-11, tandis que GLM 4.7 est arrivé plus tard, le 2025-12-22.
La séparation la plus nette se situe au niveau du contexte et du traitement des entrées. GLM 4.7 dispose d'une fenêtre de contexte de 204800 tokens, ce qui est nettement plus grand que les 65536 tokens disponibles sur GLM 4.5V. GLM 4.5V accepte à la fois les entrées texte et image et renvoie du texte, c'est donc celui à privilégier lorsque votre prompt inclut une capture d'écran, un diagramme, un graphique ou une page scannée. GLM 4.7 accepte uniquement les entrées texte. Côté paramètres, GLM 4.7 prend en charge les sorties structurées, ce que GLM 4.5V ne fait pas, et il expose également logit_bias, min_p et top_a, alors que GLM 4.5V ne les liste pas. Les deux modèles prennent en charge tools et tool_choice, tous deux prennent en charge reasoning et include_reasoning, et tous deux acceptent les contrôles d'échantillonnage courants tels que temperature, top_p, top_k, frequency_penalty, presence_penalty, repetition_penalty, seed, stop, max_tokens et response_format.
Pour le travail pratique, choisissez GLM 4.5V lorsque la tâche implique de lire une image en plus du texte, comme extraire des valeurs d'un graphique, décrire une maquette d'interface ou répondre à des questions sur une capture d'écran. Choisissez GLM 4.7 lorsque la tâche est uniquement textuelle et nécessite soit un contexte long, comme résumer ou interroger un grand ensemble de documents en un seul appel, soit des sorties structurées pour obtenir un objet JSON de forme fiable. Si vous faites de la génération de texte simple avec un prompt modeste et sans exigence de schéma, l'un ou l'autre modèle peut convenir, et les facteurs décisifs deviennent la longueur du contexte et le coût.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client vers l'URL de base api14, envoyez votre requête au point de terminaison chat completions avec votre clé api14, et définissez le champ model sur z-ai/glm-4.5v ou z-ai/glm-4.7. Tout le reste dans le corps de la requête, comme messages, temperature, max_tokens et tools, conserve la même forme. Passer de l'un à l'autre est donc un changement d'une ligne de l'identifiant de modèle, ce qui facilite le test A/B d'un prompt sur les deux.
Il reste des cas où GLM 4.5V est le meilleur choix même si GLM 4.7 est plus récent. Si votre entrée inclut une image, GLM 4.7 ne peut pas la prendre du tout, donc GLM 4.5V est la seule option des deux. GLM 4.5V est aussi le modèle le moins cher sur les tokens de sortie, tandis que le prix d'entrée est à peu près le même entre les deux, donc pour les charges de travail textuelles à forte sortie où le contexte plus petit suffit, GLM 4.5V peut être l'appel le plus économique.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "z-ai/glm-4.5v" par "z-ai/glm-4.7" : prompts, streaming et outils continuent de fonctionner.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "z-ai/glm-4.7",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4