Sari la conținut
aiqbench

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

Zai · pașaport de model

Z.ai: GLM 4.7 Flash

glm-4-7-flash
  • Ponderi deschise
  • Licență MIT
  • 31.2B parametri
  • 200,000 context
  • Lansat 2026-01-19(repo HF creat)
9/27axe acoperite
General · LMArena
1,365#185 din 396
Cea mai bună percentilă
70.1IFBench (Artificial Analysis)
Poziția în cohortă
48.7mediană 55.7

Ce spun datele

Evaluat pe 9 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai slabe axe

  • 8.1 pct — Factuality Arena (1,370)

Neuniform: 62 de puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 70.1 pct pe IFBench (Artificial Analysis) față de 8.1 pct pe Factuality Arena.

  • IFBench (Artificial Analysis)70.1 pct60.8%Verifică →
  • Halucinații HHEM (Vectara)56.2 pct90.7%Verifică →
  • Programare55 pct1,423Verifică →
  • Prompturi dificile53.8 pct1,384Verifică →
  • General53.5 pct1,365Verifică →
  • Urmarea instrucțiunilor52.5 pct1,348Verifică →
  • AIME (matematică)43 pct58.3%Verifică →
  • GPQA Diamond42.5 pct60.5%Verifică →
  • Factuality Arena8.1 pct1,370Verifică →
  • WebDev ArenaNeevaluat
  • Vision ArenaNeevaluat
  • Search ArenaNeevaluat
  • Document ArenaNeevaluat
  • Agent ArenaNeevaluat
  • FrontierMathNeevaluat
  • SimpleQA VerifiedNeevaluat
  • ARC-AGI-2Neevaluat
  • Humanity's Last ExamNeevaluat
  • SimpleBenchNeevaluat
  • LiveBenchNeevaluat
  • BFCL v4 (apelare de funcții)Neevaluat
  • SWE-bench Verified (clasament live)Neevaluat
  • Terminal-Bench 4.0Neevaluat
  • MMLU-Pro (Artificial Analysis)Neevaluat
  • LiveCodeBench (Artificial Analysis)Neevaluat
  • SWE-bench VerifiedNeevaluat
  • Terminal-BenchNeevaluat

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-Flash
Parametri31.2B
ArhitecturăGlm4MoeLiteForCausalLM
LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zai-org/GLM-4.7-Flash"
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-flash
Lungime context200,000 tokeni
Ieșire maximă117,964 tokeni
Preț intrare$0.06 per 1M tokeni
Preț ieșire$0.40 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-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-flash","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-flash stands at 48.7 (raw mean 48.3) — measured on 9 of 27 axes.

    pozițieșablonVerifică →

  • glm-4.7-flash stands at 48.7 versus a cohort median of 55.7 across 116 models released within 180 days — below 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 →