葫芦岛市网站建设_网站建设公司_React_seo优化

GLM-4.7 已经支持了主流的 Agent 框架，如 Claude Code、Roo Code 等。也就是说，如果你订阅了 GLM Coding Plan，现在就可以直接升级使用了。此外，GLM-4.7 的模型权重（358B 参数）也已经开源发布在 HuggingFace 上，可以实现本地部署。

这个12月，智谱卯足了劲儿。

一边是冲刺IPO上市，递交招股书；一边是新模型连发不断：AutoGLM、GLM-4.6V……现在又迎来了一位开源编程SOTA选手——GLM 4.7。

GLM-4.7 最大的卖点，就是强悍的编程能力。

• 在主流基准测试中，GLM-4.7 的代码能力已经对齐 Claude Sonnet 4.5，部分指标实现反超。
• 在 SWE-bench Verified 上，GLM-4.7 以 73.8% 拿下开源模型 SOTA；
• 在 LiveCodeBench V6 中提升至 84.9%，超过 Claude Sonnet 4.5；
• AIME 25和人类最后考试（HLE）等基准中，GLM-4.7分数超GPT-5.1

在Code Arena（全球百万用户参与盲测的专业编码评估系统）中，GLM-4.7一举夺得开源新SOTA，超过GPT-5.2。

官方demo显示，它能轻松写出一个植物大战僵尸小游戏：

官网Chatbot和API均已就位，现在就能上手开玩。

前端能力显著提升：让代码更有审美

看了官方展示的前端开发case，小编只有一句话：这些网页设计都太太太美观了！

在前端生成质量上，GLM-4.7较前代展现出明显升级：页面结构更干净，组件层级更清晰，配色和元素设计也更有美感。

相比4.6的设计风格较为简约，4.7的设计显然元素更加丰富、交互效果也更多了。

3D物体的生成也有明显提升：

做PPT、海报等物料也不在话下。对比前代，GLM-4.7的设计层级和结构更清晰，元素尺寸更美观：

在复杂几何结构与空间关系的表达上，GLM-4.7模型能够保持较好的结构一致性与细节稳定性。

小编自己也第一时间试了一把经典的六边形弹珠测试，不过这次增加了点难度。让我可以控制六边形旋转速度和弹球的重力和弹性，可以看出物理规律让4.7玩明白了！

硬刚GPT-5 与 Claude 4.5：新开源王者

GLM-4.7在推理、编码、工具三大核心能力方面全面拉升：

• 复杂推理方面，GLM-4.7 实现了明显跃升：HLE（含工具）达到42.8，相比 GLM-4.6 提升12.4；MMUL-Pro84.3、GPQA-Diamond85.7，数学与逻辑推理表现更稳定、更可靠。
• 编码能力方面，GLM-4.7 的Code Agent进一步强化了多语言开发与终端级任务处理能力：SWE-bench Verified73.8（+5.8）、SWE-bench Multilingual66.7（+12.9），Terminal Bench 2.0 提升至41.0（+16.5），并支持“先思考、再行动”的完整编程流程。
• 工具使用与通用代理方面上，模型对网页浏览、上下文管理和工具链协同的掌控明显增强：BrowseComp52.0（+6.9）、BrowseComp（含上下文管理）67.5（+10.0）、τ²-Bench87.4（+12.2）。

此外，GLM-4.7在对话、创意写作、角色扮演等场景中同样有提升，系统性增强了编码、推理与工具使用能力。

技术亮点：交错思考与保留思考

在技术方面，GLM-4.7进一步强化了GLM-4.5以来就支持的交错式思考能力，引入保留式思考与轮级思考，使复杂任务执行更稳、更可控。

• 交错思考：
  GLM-4.7 会在每一次回复和工具调用前进行思考，从而显著提升指令遵循能力和生成结果的质量。
• 保留思考：
  在编码代理等场景中，GLM-4.7 会在多轮对话中自动保留全部思考过程，并在后续回合中复用已有推理，而不是每次从头推导。这有效减少了信息丢失和逻辑不一致问题，特别适合长周期、复杂任务。
• 轮级思考：GLM-4.7 支持在同一会话中按“论”控制是否启用推理：对于轻量请求可关闭思考以降低延迟和成本；对于复杂任务则开启思考，以提升准确性和稳定性。

更多技术详情，智谱官方也开源了详细技术报告。

开源、便宜、即刻可用

除了编码能力强，GLM的价格也是一如既往的“真香”。作为“双旦礼物”，智谱官方推出了“节日限定优惠”：每月最低20元即可畅享GLM-4.7，仅需1/7的价格，即可用上Claude Pro套餐3倍用量。

GLM-4.7 已经支持了主流的 Agent 框架，如 Claude Code、Roo Code 等。也就是说，如果你订阅了 GLM Coding Plan，现在就可以直接升级使用了。

此外，GLM-4.7 的模型权重（358B 参数）也已经开源发布在 HuggingFace 上，可以实现本地部署。

小编已经把地址整理在下方，感兴趣的朋友们可以去试试~

参考链接：https://x.com/Zai_org/status/2003156119087382683

技术博客：https://z.ai/blog/glm-4.7

HuggingFace：https://huggingface.co/zai-org/GLM-4.7

体验地址：https://chat.z.ai/

如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！​

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。