Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Z.ai (Zhipu AI) · pașaport de model

Z.ai: GLM 4.7

glm-4-7

Ponderi deschise
Licență MIT
358.3B parametri
204,800 context
Lansat 2025-12-22(repo HF creat)

General · LMArena: 1,441#85 din 396
Cea mai bună percentilă: 98.9LiveCodeBench (Artificial Analysis)
Poziția în cohortă: 62.8mediană 54.9

Ce spun datele

Evaluat pe 15 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

98.9 pct — LiveCodeBench (Artificial Analysis) (89.4%)
93.6 pct — MMLU-Pro (Artificial Analysis) (85.6%)

Neuniform: 70,9 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 98.9 pct pe LiveCodeBench (Artificial Analysis) față de 28 pct pe SimpleQA Verified.

LiveCodeBench (Artificial Analysis)98.9 pct89.4%Verifică →
MMLU-Pro (Artificial Analysis)93.6 pct85.6%Verifică →
Prompturi dificile79.3 pct1,462Verifică →
General78.8 pct1,441Verifică →
IFBench (Artificial Analysis)78.7 pct67.9%Verifică →
Urmarea instrucțiunilor77.3 pct1,426Verifică →
Programare76.2 pct1,484Verifică →
GPQA Diamond65.2 pct83.3%Verifică →
AIME (matematică)59.5 pct83.3%Verifică →
LiveBench59.1 pct58.1%Verifică →
Factuality Arena56.4 pct1,444Verifică →
SimpleBench48.3 pct47.7%Verifică →
WebDev Arena47.5 pct1,435Verifică →
Terminal-Bench34.1 pct33.4%Verifică →
SimpleQA Verified28 pct32.2%Verifică →
Vision ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
FrontierMathNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositoryzai-org/GLM-4.7

Parametri358.3B

ArhitecturăGlm4MoeForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zai-org/GLM-4.7"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIz-ai/glm-4.7

Lungime context204,800 tokeni

Ieșire maximă131,072 tokeni

Preț intrare$0.54 per 1M tokeni

Preț intrare din cache$0.10 per 1M tokeni

Preț ieșire$1.98 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-aTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"z-ai/glm-4.7","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

glm-4.7 stands at 62.8 (raw mean 65.4) — measured on 15 of 27 axes.
pozițieșablonVerifică →
glm-4.7 stands at 62.8 versus a cohort median of 54.9 across 126 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →