Z.ai: GLM 4.7

GLM 4.7 è il più recente modello di testo di punta di Z.ai, rilasciato il 22 dicembre 2025. Z.ai sviluppa la famiglia GLM, e questa versione concentra i suoi aggiornamenti in due aree: capacità di programmazione e ragionamento ed esecuzione multi-step più stabili. Il provider segnala anche miglioramenti su compiti complessi degli agent, il che colloca il modello nella classe degli assistenti generici che ci si aspetta sappiano pianificare, chiamare strumenti e portare a termine un compito attraverso diversi passaggi invece di rispondere a una singola domanda.

Il modello è text in e text out. Non accetta immagini, audio o altri input non testuali, e restituisce solo testo. La sua finestra di contesto è di 204.800 token, e la lunghezza massima di output è di 131.072 token. Questa combinazione è importante per i lavori lunghi: un grande repository, una lunga cronologia di conversazione o un grande mucchio di documenti possono stare nel prompt, e la risposta stessa può essere abbastanza lunga da contenere contenuti generati sostanziali, come un file di grandi dimensioni o un report completo, senza essere troncata.

A causa della focalizzazione sul ragionamento e sugli agent, gli usi naturali sono la generazione di codice, il refactoring e la revisione su file di grandi dimensioni, l'uso di strumenti multi-step in cui il modello deve chiamare funzioni e agire sui risultati, e l'analisi che richiede di tenere sotto controllo molto materiale contemporaneamente. Gli output strutturati e i formati di risposta JSON lo rendono utilizzabile come passaggio di ragionamento all'interno di una pipeline, e il grande contesto aiuta quando il compito dipende da dettagli sepolti lontano dall'inizio del documento.

Tramite api14 lo si chiama con il model id "z-ai/glm-4.7" sull'API compatibile con OpenAI, quindi un client OpenAI esistente di solito funziona dopo aver puntato la base URL su api14 e aver sostituito il nome del modello. I parametri di richiesta supportati sono 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 e top_p. Vale la pena notare i parametri relativi agli strumenti e al ragionamento: tools e tool_choice guidano la chiamata di funzioni, reasoning e include_reasoning controllano se viene restituito l'output di ragionamento, e response_format più structured_outputs vincolano la forma della risposta. Seed è disponibile per un campionamento riproducibile, e i controlli di campionamento standard (temperature, top_p, top_k, min_p, top_a, le due penalità e repetition_penalty) permettono di regolare casualità e ripetizione.

Poiché il modello è solo testo, i compiti che coinvolgono immagini, audio o video richiedono un modello diverso.