Z.ai: GLM 4.7

GLM 4.7 är Z.ais senaste flaggskeppsmodell för text, släppt den 22 december 2025. Z.ai bygger GLM-familjen, och den här versionen koncentrerar sina uppgraderingar till två områden: programmeringsförmåga och mer stabil flerstegsresonemang och exekvering. Leverantören rapporterar också förbättringar på komplexa agentuppgifter, vilket placerar modellen i klassen av allmänna assistenter som förväntas planera, anropa verktyg och driva en uppgift genom flera steg i stället för att svara på en enskild fråga.

Modellen tar in text och ger ut text. Den accepterar inte bilder, ljud eller andra icke-textindata, och den returnerar endast text. Dess kontextfönster är 204 800 tokens, och den maximala utdatalängden är 131 072 tokens. Den kombinationen spelar roll för långa jobb: ett stort kodförråd, en lång konversationshistorik eller en stor hög dokument kan ligga i prompten, och själva svaret kan vara tillräckligt långt för att rymma betydande genererat innehåll, som en stor fil eller en fullständig rapport, utan att kapas.

På grund av fokuset på resonemang och agenter är de naturliga användningsområdena kodgenerering, refaktorering och granskning över stora filer, verktygsanvändning i flera steg där modellen måste anropa funktioner och agera på resultat, samt analys som kräver att hålla mycket material i sikte samtidigt. Strukturerade utdata och JSON-svarsformat gör den användbar som resonemangssteget inuti en pipeline, och den stora kontexten hjälper när uppgiften beror på detaljer som ligger långt från början av dokumentet.

Via api14 anropar du den med modell-id:t "z-ai/glm-4.7" på det OpenAI-kompatibla API:et, så en befintlig OpenAI-klient fungerar vanligtvis efter att du pekar bas-URL:en mot api14 och byter modellnamn. Begäransparametrar som stöds är 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 och top_p. Parametrarna för verktyg och resonemang är värda att notera: tools och tool_choice driver funktionsanrop, reasoning och include_reasoning styr huruvida resonemangsutdata returneras, och response_format plus structured_outputs begränsar svarets form. Seed är tillgängligt för reproducerbar sampling, och de vanliga samplingskontrollerna (temperature, top_p, top_k, min_p, top_a, de två straffen och repetition_penalty) låter dig finjustera slumpmässighet och upprepning.

Eftersom modellen endast hanterar text behöver uppgifter som involverar bilder, ljud eller video en annan modell.