Z.ai: GLM 4.7 Flash

GLM 4.7 Flash est un modèle de génération de texte de Z.ai, publié par le fournisseur le 19 janvier 2026. Z.ai le décrit comme un modèle SOTA de classe 30B qui offre une nouvelle option équilibrant performance et efficacité, et note qu'il est en outre optimisé pour les cas d'usage de codage agentique, avec des capacités de codage renforcées et une planification de tâches sur un horizon long. Il appartient à la catégorie texte, il est donc destiné aux tâches linguistiques plutôt qu'au travail sur image, audio ou vidéo.

Le modèle accepte une entrée texte et renvoie une sortie texte. Il dispose d'une fenêtre de contexte de 200 000 tokens, suffisamment grande pour contenir des fichiers sources substantiels, des ensembles de documentation ou de longs historiques de conversation dans une seule requête. La sortie maximale est de 117 964 tokens, les réponses peuvent donc aller bien au-delà d'une réponse courte lorsque la tâche l'exige. Comme le fournisseur met en avant le codage agentique et la planification sur un horizon long, le modèle est positionné pour les travaux où il doit raisonner sur de nombreuses étapes plutôt que produire une réponse isolée unique.

Ces caractéristiques suggèrent quelques usages pratiques. Le codage agentique est l'application la plus évidente : lire une base de code, planifier une séquence de modifications et poursuivre ce plan sur une longue session. La planification de tâches sur un horizon long découle des mêmes atouts, par exemple décomposer un travail en plusieurs étapes en étapes ordonnées et suivre la progression. La grande fenêtre de contexte convient également à l'analyse de documents, au résumé d'entrées longues et aux flux de travail pilotés par outils où le modèle appelle des fonctions et intègre leurs résultats. Les sorties structurées et les contrôles de raisonnement le rendent utilisable dans des pipelines qui ont besoin de formes de réponse prévisibles plutôt que de prose libre.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "z-ai/glm-4.7-flash". Comme l'interface suit le format OpenAI, les bibliothèques clientes OpenAI existantes et les formes de requête fonctionnent avec un changement d'URL de base et d'identifiant de modèle. Le modèle prend en charge un large ensemble de paramètres de requête : temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs, response_format, structured_outputs, tools, tool_choice, reasoning et include_reasoning. Cette combinaison couvre le contrôle d'échantillonnage, les exécutions déterministes via seed, l'inspection au niveau des tokens via logprobs, et les flux de travail avec outils ou sorties structurées.

Une limite à noter est la modalité : l'entrée et la sortie sont uniquement du texte, les tâches impliquant des images ou de l'audio nécessitent donc un autre modèle. Le contexte de 200 000 tokens et le plafond de sortie de 117 964 tokens sont généreux mais finis, les entrées extrêmement volumineuses nécessitent donc encore un découpage ou une récupération. Si votre charge de travail n'implique pas de codage, de planification ou d'utilisation d'outils, un modèle texte plus simple peut suffire, mais dans son périmètre déclaré, GLM 4.7 Flash est conçu exactement pour ces tâches agentiques et à contexte long.