GLM 4.7 Flash
在这一档性价比不错: 在 Index 相差 2 分以内的已排名模型中,没有价格不超过它四分之三的模型。
有 5 个更便宜的已排名模型得分更高:MiMo-V2.5 (56.3, $0.138)、Step 3.5 Flash (56.3, $0.150)、GPT-5 nano (56.2, $0.138),另有 2 个。
截至 2026年11月16日,GLM 4.7 Flash(Zhipu AI)在 BenchLeader Index 上得分 51.0(共 608 个已排名配置)。表现最好的是编程(55),最弱的是推理(47)。API 价格为输入每百万 token $0.070、输出每百万 token $0.400(按 3:1 混合为 $0.153),为 2026年11月16日的标价。输出速度约为 42 token/秒(OpenRouter)。发布于 2026年1月19日。
要点(截至 2026年11月16日)
- GLM 4.7 Flash 的 API 价格为输入每百万 token $0.070、输出每百万 token $0.400(按 3:1 混合为 $0.153)(标价,2026年11月16日)。
- GLM 4.7 Flash 的输出速度约为 42 token/秒(OpenRouter,2026年11月16日)。
- GLM 4.7 Flash 于 2026年1月19日发布(Zhipu AI)。
详细说明:GLM 4.7 Flash 是 Zhipu AI 的开放权重模型,发布于 2026年1月19日。其最佳配置在 BenchLeader Index 上得分 51.0 ±2.9,在 608 个配置中排第 325 名,处于下半区。关键在于这个“±”:另有 266 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,编程得分最高(55),推理最低(47)。按混合价格计,每百万 token $0.153,属于已排名模型中最便宜的五分之一。输出速度为 42 token/秒,首 token 延迟 0.3 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
- $0.153/M
- 输入 $0.070 · 输出 $0.400
- 来源:models.dev
- 输出速度
- 42 tok/s
- OpenRouter 流量,7 天中位数;Artificial Analysis 尚未测量
- 首次回答
- 0.31 s
- 上下文
- 200k
- 来源:models.dev
- 单任务成本
- –
- 单任务 token 数
- –
- 发布日期
- 2026年1月19日
- 综合 Index51
- 推理47
- 编程55
- 数学52
- 人类偏好53
嵌入这个排名
更多徽章样式[](https://www.benchleader.com/models/glm-4-7-flash)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 3 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。
| 模型 | 发布日期 | Index | 排名 |
|---|---|---|---|
| GLM 5.3 Flash | 2026年8月20日 | 57.8 | #146 |
| GLM 4.7 Flash本页 | 2026年1月19日 | 51.0 | #325 |
| GLM-4.5-Flash | 2025年7月28日 | – | – |
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- 默认
- 无推理
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 | 45.1%#250 | – | 60.5%#205 | Epoch AI Benchmarking Hub | |
| Arena Hard Prompts推理强度未说明 | – | – | 1384#192 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 45.1%#459 | 58.1%#394 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 5.0%#481 | 7.6%#380 | – | Artificial Analysis | |
| CritPt不计入 Index | 0.0%#337 | 0.3%#291 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1388#188 | Arena (LMArena) |
编程
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Coding | 1423#187 | Arena (LMArena) | |
| Design Arena Website不计入 Index | 1186#90 | Design Arena |
智能体与工具
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| Terminal-Bench Hard | 3.8%#303 | 22.0%#160 | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 91.8%#57 | 98.8%#3 | Artificial Analysis |
数学
| 基准测试 | 无推理 | 默认 | 来源 | 趋势 |
|---|---|---|---|---|
| OTIS Mock AIME | 25.0%#229 | 58.3%#178 | Epoch AI Benchmarking Hub | |
| Arena Maths推理强度未说明 | – | 1362#194 | Arena (LMArena) |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 46.3%#197 | 60.8%#125 | – | Artificial Analysis | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1347#198 | Arena (LMArena) |
人类偏好
| 基准测试 | 默认 | 来源 | 趋势 |
|---|---|---|---|
| Arena Text | 1365#194 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index | 1139#97 | EQ-Bench | |
| Arena Creative Writing不计入 Index | 1305#219 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index | 1359#194 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index | 1370#194 | Arena (LMArena) |
长上下文
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA-LCR v1.1 | 20.3%#456 | 41.7%#375 | Artificial Analysis |
综合
| 基准测试 | 无推理 | thinking | 来源 | 趋势 |
|---|---|---|---|---|
| AA Intelligence Index v4.3.2不计入 Index | 10.6#385 | 14.9#300 | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 193.5#445 | 227.5#326 | 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 |
|---|---|---|---|---|---|---|
| NovitaAI | 56 tok/s | 0.66 s | $0.070 | $0.400 | 200k | bf16 |
| Cloudflare | 42 tok/s | 0.25 s | $0.060 | $0.400 | 131k | – |
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 $0.010。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 | $0.0001 | $0.0001 | 7.5 s |
| 总结一份 30 页的报告 | 12,000 / 600 | $0.0011 | $0.0005 | 14.6 s |
| 代码编辑 | 6,000 / 1,500 | $0.0010 | $0.0008 | 36.0 s |
| 智能体编程会话 | 60,000 / 4,000 | $0.0058 | $0.0031 | 1.6 min |
| 结构化信息提取 | 2,000 / 200 | $0.0002 | $0.0001 | 5.1 s |
将 GLM 4.7 Flash 与以下模型对比
另请参阅
嵌入或引用
在模型卡片或 README 中展示 GLM 4.7 Flash 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-flash)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 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/glm-4-7-flash
BibTeX:
@misc{benchleader_glm_4_7_flash_20261116,
author = {{BenchLeader}},
title = {{GLM 4.7 Flash on the BenchLeader Index (method v1.4)}},
year = {2026},
month = nov,
howpublished = {\url{https://www.benchleader.com/models/glm-4-7-flash}},
note = {Data as of 2026-11-16}
}常见问题
- GLM 4.7 Flash 的基准测试得分是多少?
- 截至 2026年11月16日,GLM 4.7 Flash 的 BenchLeader Index 为 51.0 ±2.9。最强的是编程(55),最弱的是推理(47)。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 Flash 排名第几?
- 截至 2026年11月16日,GLM 4.7 Flash 在 608 个已排名配置中排第 325 名。另有 266 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 Flash 每百万 token 的价格是多少?
- 截至 2026年11月16日,GLM 4.7 Flash 的价格为输入每百万 token $0.070、输出每百万 token $0.400,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.153。标价最近一次变动是在 2026年9月9日。
- GLM 4.7 Flash 比 Agnes 2.5 Pro Theta 更好吗?
- 截至 2026年11月16日,Agnes 2.5 Pro Theta 与 GLM 4.7 Flash 的质量不相上下(BenchLeader Index 50.8 比 51.0,在 ±8.7 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
- GLM 4.7 Flash 是什么时候发布的?
- Zhipu AI 于 2026年1月19日发布了 GLM 4.7 Flash。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 Flash: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-flash。