Glm 4.7 Flash

在线体验
silvamux/glm-4.7-Flash

GLM 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。

支持模态
text
输入价格¥0 / 1M tokensper 1M tokens
输出价格¥0 / 1M tokensper 1M tokens
上下文1M
最大输出131K

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在本轮能力评测中综合得分63,整体表现良好。其代码生成(99%)和文本理解(86%)表现突出,能够完成代码编写、函数实现和开发辅助,并分析文档语义、提取关键信息并处理复杂问答。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;多语言能力(84%)也为相关任务提供补充。在能力边界上,长文本处理(17%)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。

综合能力
63/ 100良好
突出能力代码生成 99%文本理解 86% · 多语言能力 84%
最适合场景代码研发 / 智能客服 / 内容分析场景适配度 63%
相对短板长文本处理17%

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
延迟
41.45s
吞吐量
3.85Ktokens/min
可用率
98.66%
可用率
98.66%
完成率
85%
缓存命中率
1.9%
累计评测耗时
15432.8s
Token 消耗
991,111tokens
平均请求次数
1.2
TPM
3,853tokens/min
QPM
0.6req/min

Glm 4.7 Flash 的示例代码和 API

Proglm-4.7-Flash
/api/v0/chat/completions/api/v1/chat/completions/api/anthropic/v1/messages
统一入口OpenAIAnthropic
curl 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"}]
  }'