#GLM-4.7 #GLM我的编码搭子

智谱发布了最新旗舰模型 GLM 4.7，并已融入 GLM Coding Plan！

又双叒叕到了智谱的高光时刻，在元旦前的这一版本为这一年画上了完美的句号。

根据官网描述，GLM-4.7 在编程、推理与智能体三个维度实现了显著突破：

编程能力：在 LMArena Code Arena 盲测中位列开源第一、国产第一，超过 GPT-5.2 ；在 SWE-bench-Verified 获得国产第一；在 LiveCodeBench V6 达到 84.8 的开源 SOTA 分数，超过 Claude Sonnet 4.5 。

推理能力：在 AIME 2025 数学竞赛中取得开源 SOTA ，超过 Claude Sonnet 4.5 和 GPT-5.1 ；在 HLE （“人类最后的考试”）基准测试中获得 42% 的成绩，较 GLM-4.6 提升 38% ，接近 GPT-5.1

智能体能力：在 BrowseComp 网页任务评测中获得 67 分；在 τ²-Bench 真实世界交互评测中实现开源 SOTA ，接近 Claude Sonnet 4.5 （ 84.7 分）

我快速体验了一下，老实说这次更新确实有不少惊喜。

专为编程场景打造

  GLM-4.7 这次明显是冲着编程场景来的，官方叫"Agentic Coding"。说白了就是让 AI 更像一个真实的开发者，不只是能写几行代码，而是能够：

• 独立规划复杂的开发任务
• 协调各种工具和 API
• 理解项目上下文，写出符合架构的代码

  这跟之前的辅助编程有点不一样，更像是在往"独立开发"的方向走。

性能确实不错

        根据官方介绍，GLM-4.7 在几个公开基准榜单上都拿了开源第一。我查了一下，确实是实打实的数据。作为开源模型能做到这个水平，性价比挺高的。

        有意思的是，这次特别强调了"工具协同"能力。简单说就是模型能更好地理解和使用各种开发工具，比如 IDE 插件、代码库、CI/CD  流程这些。这对我们做实际项目的时候挺有用的。

交互体验更自然了

        之前用大模型写代码，经常会遇到一个问题：模型回答太啰嗦，或者理解指令不够精准。GLM-4.7 这次在这方面有改进：

• 回复更简洁，直奔主题
• 指令理解更准确，尤其是工具调用相关
• 生成的代码质量更高，减少修改次数

  我自己试了下，让它帮我重构一个遗留的函数，结果确实比之前的版本顺手不少。

Artifacts 前端生成

        这个功能挺有意思的。GLM-4.7 可以直接生成完整的前端页面，而且质量比以前好很多。不是那种丑丑的 demo，而是能直接用的东西。

        比如做个播放器UI

        做个简洁的看板

        简洁美观，我是挺喜欢的。

使用体验

        API 调用没什么特别的，还是标准的 OpenAI 格式，切换成本很低。官方提供了 Python、Java 等语言的 SDK，文档也比较清晰。

  代码示例大概是这个样子：

  from zai import ZhipuAiClient

  client = ZhipuAiClient(api_key="your-api-key")

  response = client.chat.completions.create(
      model="glm-4.7",
      messages=[
          {"role": "user", "content": "帮我写一个 REST API 接口"}
      ],
      thinking={"type": "enabled"},
      max_tokens=65536
  )

  print(response.choices[0].message)

总体感受

        GLM-4.7 这次给我的感觉是：更实用，更贴近真实开发场景。

        如果你是个人开发者或者小团队，需要一些能独立完成复杂任务的 AI 助手，这个模型值得试试。尤其是它的工具协同和任务规划能力，能省不少时间。

        当然，它不是完美的，  有兴趣的朋友可以去官方文档看看，自己体验一下。毕竟实际效果，还是要用过才知道。