Z.ai: GLM 4.7

? Dołącz do naszej społeczności na Discord. ? Sprawdź blog techniczny GLM-4.7, raport techniczny (GLM-4.5). ? Korzystaj z usług API GLM-4.7 na platformie Z.ai API. ? Kliknij, aby przejść do GLM-4.7.

GLM-4.7, Twój nowy partner kodowania, nadchodzi z następującymi funkcjami:

• Podstawowe kodowanie: GLM-4.7 przynosi wyraźne zyski w porównaniu do swojego poprzednika GLM-4.6 w wielojęzycznym kodowaniu agencyjnym i zadaniach terminalowych, w tym (73.8%, +5.8%) na SWE-bench, (66.7%, +12.9%) na SWE-bench Multilingual i (41%, +16.5%) na Terminal Bench 2.0. GLM-4.7 obsługuje również myślenie przed działaniem, z znacznymi ulepszeniami w złożonych zadaniach w głównych frameworkach agentów, takich jak Claude Code, Kilo Code, Cline i Roo Code.
• Vibe Coding: GLM-4.7 robi duży krok naprzód w poprawie jakości UI. Tworzy czystsze, bardziej nowoczesne strony internetowe i generuje lepiej wyglądające slajdy z dokładniejszym układem i rozmiarami.
• Używanie narzędzi: GLM-4.7 osiąga znaczące ulepszenia w używaniu narzędzi. Znacznie lepsze wyniki można zobaczyć na benchmarkach takich jak τ^2-Bench i podczas przeglądania internetu przez BrowseComp.
• Złożone rozumowanie: GLM-4.7 zapewnia znaczący wzrost zdolności matematycznych i rozumowania, osiągając (42.8%, +12.4%) na benchmarku HLE (Humanity’s Last Exam) w porównaniu do GLM-4.6. Możesz również zobaczyć znaczące ulepszenia w wielu innych scenariuszach, takich jak czat, kreatywne pisanie i odgrywanie ról.

Wyniki na benchmarkach. Bardziej szczegółowe porównania GLM-4.7 z innymi modelami GPT-5-High, GPT-5.1-High, Claude Sonnet 4.5, Gemini 3.0 Pro, DeepSeek-V3.2, Kimi K2 Thinking na 17 benchmarkach (w tym 8 rozumowania, 5 kodowania i 3 agentów) można zobaczyć w poniższej tabeli.

Benchmark	GLM-4.7	GLM-4.6	Kimi K2 Thinking	DeepSeek-V3.2	Gemini 3.0 Pro	Claude Sonnet 4.5	GPT-5-High	GPT-5.1-High
MMLU-Pro	84.3	83.2	84.6	85.0	90.1	88.2	87.5	87.0
GPQA-Diamond	85.7	81.0	84.5	82.4	91.9	83.4	85.7	88.1
HLE	24.8	17.2	23.9	25.1	37.5	13.7	26.3	25.7
HLE (w/ Tools)	42.8	30.4	44.9	40.8	45.8	32.0	35.2	42.7
AIME 2025	95.7	93.9	94.5	93.1	95.0	87.0	94.6	94.0
HMMT Feb. 2025	97.1	89.2	89.4	92.5	97.5	79.2	88.3	96.3
HMMT Nov. 2025	93.5	87.7	89.2	90.2	93.3	81.7	89.2	–
IMOAnswerBench	82.0	73.5	78.6	78.3	83.3	65.8	76.0	–
LiveCodeBench-v6	84.9	82.8	83.1	83.3	90.7	64.0	87.0	87.0
SWE-bench Verified	73.8	68.0	71.3	73.1	76.2	77.2	74.9	76.3
SWE-bench Multilingual	66.7	53.8	61.1	70.2	–	68.0	55.3	–
Terminal Bench Hard	33.3	23.6	30.6	35.4	39.0	33.3	30.5	43.0
Terminal Bench 2.0	41.0	24.5	35.7	46.4	54.2	42.8	35.2	47.6
BrowseComp	52.0	45.1	–	51.4	–	24.1	54.9	50.8
BrowseComp (w/ Context Manage)	67.5	57.5	60.2	67.6	59.2	–	–	–
BrowseComp-Zh	66.6	49.5	62.3	65.0	–	42.4	63.0	–
τ²-Bench	87.4	75.2	74.3	85.3	90.7	87.2	82.4	82.7

Kodowanie: AGI to długa podróż, a benchmarki to tylko jeden ze sposobów oceny wydajności. Podczas gdy metryki zapewniają niezbędne punkty kontrolne, najważniejsze jest to, jak to się czuje. Prawdziwa inteligencja nie polega tylko na zdaniu testu lub szybszym przetwarzaniu danych; ostatecznie sukces AGI będzie mierzony tym, jak płynnie integruje się z naszym życiem – „kodowanie” tym razem.

Przeplatane myślenie i zachowane myślenie