GLM-4.7 发布，编程与推理能力提升
来自 Z.ai Research · 期号 2025-12-22
摘要
智谱 AI 发布了 GLM-4.7，重点提升了编程、推理和工具调用能力。 在 SWE-bench 上，GLM-4.7 得分 73.8%，比上一代 GLM-4.6 高出 5.8 个百分点；在 SWE-bench Multilingual 上得分 66.7%（+12.9%），在 Terminal Bench 2.0 上得分 41%（+16.5%）。复杂推理方面，HLE 基准测试得分 42.8%，提升 12.4 个百分点。 GLM-4.7 引入了保留式思考模式：在编程智能体场景中，模型会在多轮对话中保留所有思维块，复用已有的推理过程，减少信息丢失。它还支持轮级思考，允许对每个轮次单独控制是否启用推理。 模型权重已在 HuggingFace 和 ModelScope 上开源，支持 vLLM 和 SGLang 等推理框架。
深读
导读 智谱 AI 发布 GLM-4.7，重点提升编程、推理与工具调用能力。该模型在多个编程与推理基准上取得显著进步，并引入了保留式思考与轮级思考机制。读完本文，你将了解 GLM-4.7 的核心能力提升、关键基准成绩以及其独特的思考模式设计。 关键信息 - SWE-bench：GLM-4.7 得分 73.8%，比 GLM-4.6 提升 5.8 个百分点。 - SWE-bench Multilingual：得分 66.7%，提升 12.9 个百分点。 - Terminal Bench 2.0：得分 41%，提升 16.5 个百分点。 - HLE（Humanity’s Last Exam）：得分 42.8%，提升 12.4 个百分点。 - 保留式思考：在编程智能体场景中，模型会在多轮对话中保留所有思维块，复用已有推理过程，减少信息丢失。 - 轮级思考：支持对每个轮次单独控制是否启用推理，以平衡延迟/成本与准确性。 - 开源与部署：模型权重已在 HuggingFace 和 ModelScope 上发布，支持 vLLM 和 SGLang 等推理框架。 逐节讲解 核心能力提升 GLM-4.7 在四个关键维度上相比上一代 GLM-4.6 有显著提升。编程方面，在 SWE-bench（73.8%，+5.8%）、SWE-bench Multilingual（66.7%，+12.9%）和 Terminal Bench 2.0（41%，+16.5%）上均取得进步，并能在 Claude Code、Kilo Code、Cline 和 Roo Code 等主流智能体框架中表现更好。氛围编程方面，模型能生成更整洁、现代化的网页和更精美的幻灯片。工具调用方面，在 τ²-Bench 和 BrowseComp 等基准上性能更好。复杂推理方面，在 HLE 上达到 42.8%，提升 12.4 个百分点。此外，在聊天、创意写作和角色扮演等场景也有改进。 思考模式：保留式与轮级 GLM-4.7 增强了自 GLM-4.5 引入的交错式思考功能，并新增了保留式思考和轮级思考。交错式思考指模型在每次响应和工具调用前进行思考，提升指令遵循和生成质量。保留式思考专为编程智能体设计，模型在多轮对话中自动保留所有思维块，复用已有推理过程而非从头推导，减少信息丢失和不一致性，适合长期复杂任务。轮级思考允许对会话内每个轮次单独控制是否启用推理：轻量请求可禁用思考以降低延迟和成本，复杂任务则启用思考以提高准确性。 部署与使用 GLM-4.7 可通过 BigModel.cn API 平台调用，也可通过 OpenRouter 在全球使用。它已集成到 Claude Code、Kilo Code、Roo Code、Cline 等编程智能体中。GLM Coding Plan 订阅用户可自动升级。模型权重在 HuggingFace…