Z.ai: GLM 4.7

GLM 4.7 est le dernier modèle textuel phare de Z.ai, publié le 22 décembre 2025. Z.ai développe la famille GLM, et cette version concentre ses améliorations sur deux axes : la capacité de programmation et un raisonnement et une exécution multi-étapes plus stables. Le fournisseur signale également des améliorations sur les tâches d'agent complexes, ce qui place le modèle dans la catégorie des assistants polyvalents censés planifier, appeler des outils et mener une tâche sur plusieurs étapes plutôt que de répondre à une seule question.

Le modèle prend du texte en entrée et produit du texte en sortie. Il n'accepte pas les images, l'audio ou d'autres entrées non textuelles, et il ne renvoie que du texte. Sa fenêtre de contexte est de 204 800 tokens, et la longueur maximale de sortie est de 131 072 tokens. Cette combinaison compte pour les tâches longues : un grand dépôt, un long historique de conversation ou une grosse pile de documents peut tenir dans le prompt, et la réponse elle-même peut être assez longue pour contenir un contenu généré substantiel, comme un gros fichier ou un rapport complet, sans être tronquée.

En raison de l'accent mis sur le raisonnement et les agents, les usages naturels sont la génération de code, la refactorisation et la revue sur de grands fichiers, l'utilisation d'outils multi-étapes où le modèle doit appeler des fonctions et agir sur les résultats, et l'analyse qui exige de garder beaucoup de matière sous les yeux en même temps. Les sorties structurées et les formats de réponse JSON le rendent utilisable comme étape de raisonnement au sein d'un pipeline, et le grand contexte aide lorsque la tâche dépend de détails enfouis loin du début du document.

Via api14, vous l'appelez avec l'identifiant de modèle "z-ai/glm-4.7" sur l'API compatible OpenAI, donc un client OpenAI existant fonctionne généralement après avoir pointé l'URL de base vers api14 et remplacé le nom du modèle. Les paramètres de requête pris en charge sont 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 et top_p. Les paramètres liés aux outils et au raisonnement méritent attention : tools et tool_choice pilotent l'appel de fonctions, reasoning et include_reasoning contrôlent si la sortie de raisonnement est renvoyée, et response_format plus structured_outputs contraignent la forme de la réponse. Seed est disponible pour un échantillonnage reproductible, et les contrôles d'échantillonnage standard (temperature, top_p, top_k, min_p, top_a, les deux pénalités et repetition_penalty) permettent de régler l'aléatoire et la répétition.

Comme le modèle est uniquement textuel, les tâches impliquant des images, de l'audio ou de la vidéo nécessitent un modèle différent.