Z.ai: GLM 4.7

GLM 4.7 to najnowszy flagowy model tekstowy od Z.ai, wydany 22 grudnia 2025. Z.ai tworzy rodzinę GLM, a ta wersja koncentruje ulepszenia w dwóch obszarach: zdolności programistycznych oraz bardziej stabilnego wieloetapowego rozumowania i wykonywania. Dostawca raportuje również poprawy w złożonych zadaniach agentowych, co plasuje model w klasie uniwersalnych asystentów, od których oczekuje się planowania, wywoływania narzędzi i przeprowadzania zadania przez kilka kroków, a nie odpowiadania na pojedyncze pytanie.

Model przyjmuje tekst i zwraca tekst. Nie akceptuje obrazów, dźwięku ani innych danych wejściowych innych niż tekst, i zwraca wyłącznie tekst. Jego okno kontekstowe wynosi 204 800 tokenów, a maksymalna długość odpowiedzi to 131 072 tokeny. Ta kombinacja ma znaczenie w przypadku długich zadań: duże repozytorium, długa historia rozmowy lub duży stos dokumentów może zmieścić się w prompcie, a sama odpowiedź może być wystarczająco długa, aby pomieścić znacznej objętości wygenerowaną treść, taką jak duży plik lub pełny raport, bez skracania.

Ze względu na nacisk na rozumowanie i zadania agentowe naturalne zastosowania to generowanie kodu, refaktoryzacja i przegląd dużych plików, wieloetapowe korzystanie z narzędzi, gdzie model musi wywoływać funkcje i działać na wynikach, oraz analiza wymagająca jednoczesnego utrzymania dużej ilości materiału w polu widzenia. Ustrukturyzowane dane wyjściowe i formaty odpowiedzi JSON czynią go użytecznym jako krok rozumowania w potoku przetwarzania, a duży kontekst pomaga, gdy zadanie zależy od szczegółów ukrytych daleko od początku dokumentu.

Przez api14 wywołujesz go z identyfikatorem modelu "z-ai/glm-4.7" na API zgodnym z OpenAI, więc istniejący klient OpenAI zwykle działa po wskazaniu adresu bazowego na api14 i zmianie nazwy modelu. Obsługiwane parametry żądania to 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 oraz top_p. Warto zwrócić uwagę na parametry związane z narzędziami i rozumowaniem: tools i tool_choice sterują wywoływaniem funkcji, reasoning i include_reasoning kontrolują, czy dane wyjściowe rozumowania są zwracane, a response_format oraz structured_outputs ograniczają kształt odpowiedzi. Seed jest dostępny do powtarzalnego próbkowania, a standardowe kontrolki próbkowania (temperature, top_p, top_k, min_p, top_a, dwie kary oraz repetition_penalty) pozwalają dostroić losowość i powtarzanie.

Ponieważ model obsługuje wyłącznie tekst, zadania związane z obrazami, dźwiękiem lub wideo wymagają innego modelu.