silvamux/glm-4.7

GLM 4.7的主要优势是代码生成与数学与科学推理。在代码编写、重构与开发辅助中,它能够承担信息理解、分析和结果生成等关键环节。

Supported modalities
text
Input price¥3-4per 1M tokens
Output price¥14-16per 1M tokens
Context1M
Max output131K

Pricing

Tiers are determined by the input context length of each request; Tune and Pro share the same tiered prices.

Unit: per 1M tokens
Input contextInputOutputCache readCache write
≤ 32.768K tokens¥3¥14¥0.6¥0
> 32.768K tokens¥4¥16¥0.8¥0

Capabilities

GLM 4.7在本轮能力评测中综合得分78,整体表现良好。其文本理解(93%)和信息检索 / RAG(91%)表现突出,能够分析文档语义、提取关键信息并处理复杂问答,并从知识库和多来源资料中定位信息、组织证据并生成有依据的回答。对软件开发者和工程团队而言,它适合用于代码编写、代码库理解、重构调试等研发场景,解决在复杂代码任务中兼顾生成结果与上下文理解;代码生成(90%)也为相关任务提供补充。它的主要限制在于,长文本处理(47%)相对较弱,在超长材料、跨章节引用和持续上下文任务中,建议拆分输入并核对关键信息是否遗漏。

Overall
78/ 100良好
Highlights文本理解 93%信息检索 / RAG 91% · 代码生成 90%
Best for代码研发 / 高准确率专业场景Scenario fit 78%
Relative weakness长文本处理47%

专项进阶能力

8 items
智能体协同47%

7 questions · 主/客观混合

代码生成90%

10 questions · 客观

代码理解与调试71%

12 questions · 主观

创意写作78%

17 questions · 主观

信息检索 / RAG91%

13 questions · 主/客观混合

长文本处理47%

3 questions · 主观

数学与科学推理86%

14 questions · 客观

多语言能力89%

10 questions · 主/客观混合

通用基础能力

3 items
通识知识75%

15 questions · 主/客观混合

文本理解93%

5 questions · 主观

逻辑推理81%

20 questions · 主/客观混合

安全与合规能力

2 items
幻觉控制82%

9 questions · 主观

指令遵循82%

14 questions · 主观

Performance

Glm 4.7 Tune

glm-4.7@tune
延迟
76.95s
吞吐量
866tokens/min
可用率
98.66%
Availability
98.66%
完成率
94%
缓存命中率
9.4%
累计评测耗时
30374.6s
Token 消耗
438,331tokens
平均请求次数
1.1
TPM
866tokens/min
QPM
0.3req/min

Glm 4.7

glm-4.7
延迟
61.93s
吞吐量
2.25Ktokens/min
可用率
100.0%
Availability
100.0%
完成率
100%
缓存命中率
动态变化
累计评测耗时
15989.3s
Token 消耗
600,910tokens
平均请求次数
1.0
TPM
2,255tokens/min
QPM
0.6req/min

Glm 4.7 example code and API

Tuneglm-4.7@tune
/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messages
UnifiedOpenAIAnthropic
Proglm-4.7
/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messages
UnifiedOpenAIAnthropic
curl https://www.silvamux.com/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-4.7",
    "messages": [{"role": "user", "content": "Hello, please introduce yourself"}]
  }'