GLM 4.7
性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 89%。
有 45 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 42 个。
截至 2026年11月16日,GLM 4.7(Zhipu AI)在 BenchLeader Index 上得分 51.7(共 608 个已排名配置)。表现最好的是人类偏好(62),最弱的是智能体与工具(39)。API 价格为输入每百万 token $0.600、输出每百万 token $2.20(按 3:1 混合为 $1.00),为 2026年11月16日的标价。输出速度约为 39 token/秒(OpenRouter)。发布于 2025年12月22日。
要点(截至 2026年11月16日)
- GLM 4.7 的 API 价格为输入每百万 token $0.600、输出每百万 token $2.20(按 3:1 混合为 $1.00)(标价,2026年11月16日)。
- GLM 4.7 的输出速度约为 39 token/秒(OpenRouter,2026年11月16日)。
- GLM 4.7 于 2025年12月22日发布(Zhipu AI)。
详细说明:GLM 4.7 是 Zhipu AI 的开放权重模型,发布于 2025年12月22日。其最佳配置在 BenchLeader Index 上得分 51.7 ±4.4,在 608 个配置中排第 303 名,处于上半区。关键在于这个“±”:另有 273 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,人类偏好得分最高(62),智能体与工具最低(39)。按混合价格计,每百万 token $1.00,价格居中。输出速度为 39 token/秒,首 token 延迟 1.1 秒,位于最慢的四分之一。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。
- 混合价格
- $1.00/M
- 输入 $0.600 · 输出 $2.20
- 来源:models.dev
- 输出速度
- 39 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 1.07 s
- 上下文
- 205k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2025年12月22日
- 综合 Index52
- 推理55
- 编程53
- 智能体与工具39
- 数学54
- 知识48
- 人类偏好62
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/glm-4-7)粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。
版本
Zhipu AI 以这个名称发布过 8 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。
不同推理强度的配置
同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。
Index 走势
2026年9月8日 至 2026年11月16日Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。
基准测试结果
查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。
元数据
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Openness Index不计入 Index | 44.4#97 | 44.4#97 | Artificial Analysis |
推理
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| GPQA Diamond推理强度未说明 | – | – | 83.3%#114 | Epoch AI Benchmarking Hub | |
| SimpleBench推理强度未说明 | – | – | 47.7%#64 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | – | 1462#94 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 66.4%#338 | 85.9%#120 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 6.4%#416 | 27.4%#192 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | 80.0%#69 | Vals AI | |
| CritPt不计入 Index | 0.0%#337 | 1.7%#225 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1449#119 | Arena (LMArena) | |
| Chess Puzzles不计入 Index推理强度未说明 | – | – | 21.0%#94 | Epoch AI Benchmarking Hub | |
| CL-bench不计入 Index推理强度未说明 | – | – | 15.9%#16 | Epoch AI Benchmarking Hub | |
| CL-bench Life不计入 Index推理强度未说明 | – | – | 10.9%#13 | Epoch AI Benchmarking Hub |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| SciCode推理强度未说明 | – | – | 45.1%#156 | SciCode | |
| Arena Coding推理强度未说明 | – | – | 1484#106 | Arena (LMArena) | |
| Arena WebDev推理强度未说明 | – | – | 1435#91 | Arena (LMArena) | |
| LiveCodeBench推理强度未说明 | – | – | 82.2%#53 | Vals AI | |
| SWE-bench (Vals)不计入 Index推理强度未说明 | – | – | 69.4%#64 | Vals AI | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 399.5#122 | Epoch AI Benchmarking Hub | |
| Terminal-Bench 2.1 (AA)不计入 Index | – | 45.3%#130 | – | Artificial Analysis | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1217#79 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 56.2%#119 | 89.4%#4 | – | Artificial Analysis |
智能体与工具
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Terminal-Bench推理强度未说明 | – | – | 33.4%#69 | Terminal-Bench | |
| Terminal-Bench Hard | 30.3%#115 | 31.8%#103 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 94.2%#33 | 95.9%#15 | – | Artificial Analysis | |
| MCP Atlas推理强度未说明 | – | – | 58.1%#32 | Scale AI SEAL | |
| GDPval-AA v2.1不计入 Index | – | 1021#177 | – | Artificial Analysis | |
| τ³-Banking (AA) | – | 12.2%#136 | – | Artificial Analysis | |
| Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明 | – | – | 38.2%#35 | Vals AI | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | 2376.8#53 | Andon Labs | |
| Design Arena Agentic不计入 Index推理强度未说明 | – | – | 1063#67 | Design Arena | |
| BrowseComp-Plus不计入 Index推理强度未说明 | – | – | 33.3%#5 | BrowseComp-Plus |
数学
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| OTIS Mock AIME推理强度未说明 | – | – | 83.3%#117 | Epoch AI Benchmarking Hub | |
| ProofBench推理强度未说明 | – | – | 6.0%#75 | Vals AI | |
| AIME (Vals)推理强度未说明 | – | – | 93.3%#15 | Vals AI | |
| MGSM推理强度未说明 | – | – | 88.2%#52 | Vals AI | |
| Arena Maths推理强度未说明 | – | – | 1427#111 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 48.0%#138 | 95.0%#9 | – | Artificial Analysis |
知识
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| SimpleQA Verified推理强度未说明 | – | 32.2%#72 | Epoch AI Benchmarking Hub | |
| MMLU-Pro推理强度未说明 | – | 82.7%#74 | Vals AI | |
| LegalBench推理强度未说明 | – | 83.4%#55 | Vals AI | |
| CorpFin推理强度未说明 | – | 46.4%#110 | Vals AI | |
| TaxEval推理强度未说明 | – | 68.8%#97 | Vals AI | |
| MedQA推理强度未说明 | – | 93.7%#21 | Vals AI | |
| CaseLaw v2不计入 Index推理强度未说明 | – | 54.9%#37 | Vals AI | |
| MedCode不计入 Index推理强度未说明 | – | 32.8%#84 | Vals AI | |
| MedScribe不计入 Index推理强度未说明 | – | 68.6%#95 | Vals AI | |
| Global-MMLU-Lite (AA)不计入 Index | 79.9%#72 | – | Artificial Analysis |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 54.6%#152 | 67.9%#83 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1426#105 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1441#96 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1414#74 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1406#103 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1458#83 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1451#90 | Arena (LMArena) |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 40.7%#381 | 71.0%#223 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| Epoch Capabilities Index不计入 Index推理强度未说明 | – | – | 143.3#100 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 17.4#272 | 22.2#212 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 219.8#351 | 268#210 | – | Artificial Analysis |
API 价格:在哪里调用
通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。
| 提供商 | 速度 | 首 token | 输入 $/M | 输出 $/M | 上下文 | 量化 |
|---|---|---|---|---|---|---|
| DeepInfra | 39 tok/s | 1.67 s | $0.320 | $1.40 | 203k | fp4 |
| DeepInfra | 33 tok/s | 1.01 s | $0.400 | $1.75 | 203k | fp4 |
| Mancer | 31 tok/s | 1.00 s | $0.700 | $2.50 | 131k | fp4 |
| Venice | 26 tok/s | 1.42 s | $0.400 | $1.93 | 198k | fp4 |
| Z.ai | 26 tok/s | 4.33 s | $0.600 | $2.20 | 203k | fp4 |
| NovitaAI | 22 tok/s | 4.82 s | $0.600 | $2.20 | 205k | fp8 |
价格历史
上述价格(每百万 token)在每个变动日的数值。
一项任务的成本
根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.110。未计入推理 token。
| 工作负载 | 输入 / 输出 token | 成本 | 使用缓存 | 耗时 |
|---|---|---|---|---|
| 聊天回复 | 400 / 300 | $0.0009 | $0.0008 | 8.8 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0085 | $0.0041 | 16.5 s |
| 代码编辑 | 6,000 / 1,500 | $0.0069 | $0.0047 | 39.5 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.045 | $0.023 | 1.7 min |
| 结构化信息提取 | 2,000 / 200 | $0.0016 | $0.0009 | 6.2 s |
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GLM 4.7 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。
[](https://www.benchleader.com/models/glm-4-7)引用本页
排名每天都会变化,因此引用时需注明数据日期。APA 格式:
BenchLeader. (2026, November 16). GLM 4.7 on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-4-7
BibTeX:
@misc{benchleader_glm_4_7_20261116,
author = {{BenchLeader}},
title = {{GLM 4.7 on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/glm-4-7}},
note = {Data as of 2026-11-16}
}常见问题
- GLM 4.7 的基准测试得分是多少?
- 截至 2026年11月16日,GLM 4.7 的 BenchLeader Index 为 51.7 ±4.4。最强的是人类偏好(62),最弱的是智能体与工具(39)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
- GLM 4.7 排名第几?
- 截至 2026年11月16日,GLM 4.7 在 608 个已排名配置中排第 303 名。另有 273 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
- GLM 4.7 每百万 token 的价格是多少?
- 截至 2026年11月16日,GLM 4.7 的价格为输入每百万 token $0.600、输出每百万 token $2.20,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.00。标价最近一次变动是在 2026年11月4日。
- GLM 4.7 是什么时候发布的?
- Zhipu AI 于 2025年12月22日发布了 GLM 4.7。BenchLeader 收录了它在 3 种推理强度设置下的结果。
数据截至 2026年11月16日。 对比这些配置
引用格式:BenchLeader,《GLM 4.7:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/glm-4-7。