GLM-4.7

是什么

GLM-4.7 是智谱（Zhipu）于 2025 年 12 月发布的大语言模型，权重于 2025 年 12 月 22 日上传到 Hugging Face^[2][3]。Z.ai 的新闻稿同样把 2025 年 12 月 22 日作为发布日^[4]。它与智谱的 GLM-4.6V 视觉模型出现在同一时间段，后者连同更小的 GLM-4.6V-Flash 于 2025 年 12 月 7 日上线^[3]。这个模型的定位是多语言智能体编程（agentic coding）和终端任务，也就是替用户写代码、改代码，以及在命令行里一步步操作，而不是只做单轮问答^[1]。

这一定位解释了它的多数设计取舍。一个编程智能体要在很多轮对话里保持同一个计划，反复调用工具，并且在报错之后继续往下做，因此模型「在两次动作之间怎么想」和它「知道多少」同样重要。

思考控制

GLM-4.7 增加了三项相互关联的机制^[1]。第一是交错思考（Interleaved Thinking），模型在每次回复之前、每次工具调用之前都先思考，而不是在开头想一次然后一路执行。第二是保留思考（Preserved Thinking），把思考内容在多轮智能体会话中保留下来，长任务不必在每一步重新搭建上下文。第三是轮级思考控制（turn-level thinking control），调用方可以按单轮决定思考的多少，这对既有廉价例行步骤、又有困难步骤的会话尤其有用。

基准成绩

智谱给出的 SWE-bench Verified 成绩是 73.8%，比 GLM-4.6 高 5.8 个百分点；SWE-bench Multilingual 为 66.7%，提升 12.9 个百分点^[1]。Terminal Bench 2.0 为 41.0%，提升 16.5 个百分点；带工具的 HLE 为 42.8%，提升 12.4 个百分点^[1]。其他成绩包括 LiveCodeBench v6 的 84.9、τ²-Bench 的 87.4、AIME 2025 的 95.7、GPQA-Diamond 的 85.7 以及 BrowseComp 的 52.0^[1]。提升幅度最大的是多语言软件工程和终端两类基准，这与它强调跨语言智能体编程的说法一致。

厂商自评

在标准基准之外，Z.ai 表示还用 100 个真实编程任务评测了 GLM-4.7，覆盖前端、后端和指令遵循，运行环境基于 Claude Code 搭建^[4]。公司还给出了在两个对比站点上的位置：在 WebDev 上排名第 6，并称其为排名最高的开源模型；在 Code Arena 上则称其在开源模型中位列第一^[4]。Z.ai 进一步表示，GLM-4.7 在 SWE-bench Verified、LiveCodeBench v6 和 Terminal Bench 2.0 上达到或超过 Claude Sonnet 4.5 的水平^[4]。这些均为厂商自己的对比和排名，并非独立第三方审核。

许可与后续

GLM-4.7 采用 MIT 许可证发布，这是限制条件最少的常见开源许可证之一，允许复用和修改^[1]。更小的 GLM-4.7-Flash 于 2026 年 1 月跟进^[3]，该系列随后在 2026 年 2 月由 GLM-5 接续^[2]。

意义

GLM-4.7 出现时，衡量一个编程模型的标准已经从「能否回答编程问题」转向「能否在终端和代码仓库里把一个完整任务做完」，而且常常要经过几十上百步。它的贡献与其说是一种新架构，不如说是一组为这种场景调好的行为：思考与工具调用交错进行、跨轮保留、并且可以按轮控制，再配以宽松许可证下的开放权重^[1]。对自建编程智能体的团队来说，正是这个组合让它能当作一个可拼装的部件使用，而不只是一个远程服务。