text
Glm 4.7 Flash
silvamux/
glm-4.7-FlashGLM 4.7 Flash是一款侧重代码生成的模型,在文本理解方面也有较好表现。它适合处理代码编写、重构与开发辅助,可作为相关业务流程中的理解、推理或生成能力底座。
价格
Tune 与 Pro 采用相同的价格。
| 输入上下文 | 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|---|
| - | ¥0 / 1M tokens | ¥0 / 1M tokens | ¥0 / 1M tokens | ¥0 / 1M tokens |
模型能力
GLM-4.7 Flash 综合得分 63,整体能力中等,是一款特点鲜明的轻量代码模型。代码生成(99%)表现突出,文本理解(86%)与多语言能力(84%)也保持可用水准,在轻量代码研发与内容分析场景中有较高性价比。相对而言,长文本处理(17%)明显不足,长文档任务存在明显盲区。代码生成类高频轻量任务最能发挥它的价值。
63/ 100
专项进阶能力
8 项智能体协同22%
7 题 · 主/客观混合
代码生成99%
10 题 · 客观
代码理解与调试48%
12 题 · 主/客观混合
创意写作73%
17 题 · 主观
信息检索 / RAG75%
13 题 · 主/客观混合
长文本处理17%
3 题 · 主/客观混合
数学与科学推理71%
14 题 · 客观
多语言能力84%
10 题 · 主/客观混合
通用基础能力
3 项通识知识73%
15 题 · 主/客观混合
文本理解86%
5 题 · 主观
逻辑推理64%
20 题 · 主/客观混合
安全与合规能力
2 项幻觉控制53%
9 题 · 主/客观混合
指令遵循54%
14 题 · 主/客观混合
服务表现
Glm 4.7 Flash
glm-4.7-Flash过去 24 小时 · 39,696 次请求
- 首 Token 等待 · TTFT · P50
- 890ms P95 1220 ms
- 输出速度 · TPS · P50
- 63tok/s P95 78 tok/s
- 完整响应 · E2E · P50
- 9.76s P95 9.83 s
- 请求成功率
- 98.82% 39,227 次正常完成
24 小时可用性
24 小时前12 小时前现在
Glm 4.7 Flash 的示例代码和 API
Pro
glm-4.7-Flash/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messagescurl https://www.silvamux.com/api/v1/chat/completions \
-H "Authorization: Bearer 你的API密钥" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-4.7-Flash",
"messages": [{"role": "user", "content": "你好,请介绍一下自己"}]
}'# pip install openai
from openai import OpenAI
client = OpenAI(
base_url="https://www.silvamux.com/api/v1",
api_key="你的API密钥",
)
response = client.chat.completions.create(
model="glm-4.7-Flash",
messages=[
{"role": "user", "content": "你好,请介绍一下自己"}
],
)
print(response.choices[0].message.content)// Gradle: implementation(__HL_SLOT_0__)
import okhttp3.*;
OkHttpClient client = new OkHttpClient();
MediaType json = MediaType.get("application/json");
String payload = "{\"model\":\"glm-4.7-Flash\",\"messages\":[{\"role\":\"user\",\"content\":\"你好,请介绍一下自己\"}]}";
Request request = new Request.Builder()
.url("https://www.silvamux.com/api/v1/chat/completions")
.header("Authorization", "Bearer 你的API密钥")
.post(RequestBody.create(payload, json))
.build();
try (Response response = client.newCall(request).execute()) {
System.out.println(response.body().string());
}// npm install openai
import OpenAI from 'openai'
const client = new OpenAI({
baseURL: 'https://www.silvamux.com/api/v1',
apiKey: '你的API密钥',
})
const response = await client.chat.completions.create({
model: 'glm-4.7-Flash',
messages: [{ role: 'user', content: '你好,请介绍一下自己' }],
})
console.log(response.choices[0].message.content)