BenchLeader

GLM 4.7 Flash

推理强度
质量第 161 / 339 名
51.0Index
高于中位数
较中位数 +0.8
价格第 32 / 255 名
$0.153每百万 token
最便宜的四分之一
中位数的 0.2 倍
速度第 181 / 216 名
42token/秒
后四分之一
中位数的 0.5 倍
性价比第 27 / 255 名
333.3分/$
前四分之一
中位数的 6.0 倍

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
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index51
  2. 推理47
  3. 编程55
  4. 数学52
  5. 人类偏好53

嵌入这个排名

更多徽章样式
[![GLM 4.7 Flash on BenchLeader: 综合第 159 名](https://www.benchleader.com/badge/glm-4-7-flash.svg?style=compact)](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。

Zhipu AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

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 Flash2026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-Flash2025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。

推理强度Index排名速度首次回答聊天回复成本类别
无推理42.0#50550 tok/s11 s$0.0001智能体与工具 37 · 指令遵循 48 · 长上下文 34 · 数学 34 · 推理 34
thinking––80 tok/s19 s$0.0001智能体与工具 53 · 指令遵循 61 · 长上下文 45
未说明最佳51.0#32542 tok/s0.31 s$0.0001编程 55 · 人类偏好 53 · 数学 52 · 推理 47

Index 走势

2026年9月8日 至 2026年11月16日
384755
  • 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 Index44.4#9744.4#97Artificial Analysis

推理

基准测试无推理thinking默认来源趋势
GPQA Diamond45.1%#250–60.5%#205Epoch AI Benchmarking Hub
Arena Hard Prompts推理强度未说明––1384#192Arena (LMArena)
GPQA Diamond (AA)不计入 Index45.1%#45958.1%#394–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index5.0%#4817.6%#380–Artificial Analysis
CritPt不计入 Index0.0%#3370.3%#291–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1388#188Arena (LMArena)

编程

基准测试默认来源趋势
Arena Coding1423#187Arena (LMArena)
Design Arena Website不计入 Index1186#90Design Arena

智能体与工具

基准测试无推理thinking来源趋势
Terminal-Bench Hard3.8%#30322.0%#160Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index91.8%#5798.8%#3Artificial Analysis

数学

基准测试无推理默认来源趋势
OTIS Mock AIME25.0%#22958.3%#178Epoch AI Benchmarking Hub
Arena Maths推理强度未说明–1362#194Arena (LMArena)

指令遵循

基准测试无推理thinking默认来源趋势
IFBench46.3%#19760.8%#125–Artificial Analysis
Arena Instruction Following不计入 Index推理强度未说明––1347#198Arena (LMArena)

人类偏好

基准测试默认来源趋势
Arena Text1365#194Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1139#97EQ-Bench
Arena Creative Writing不计入 Index1305#219Arena (LMArena)
Arena Multi-turn不计入 Index1359#194Arena (LMArena)
Arena Longer Queries不计入 Index1370#194Arena (LMArena)

长上下文

基准测试无推理thinking来源趋势
AA-LCR v1.120.3%#45641.7%#375Artificial Analysis

综合

基准测试无推理thinking来源趋势
AA Intelligence Index v4.3.2不计入 Index10.6#38514.9#300Artificial Analysis
AA Progress Index v1不计入 Index193.5#445227.5#326Artificial 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
NovitaAI56 tok/s0.66 s$0.070$0.400200kbf16
Cloudflare42 tok/s0.25 s$0.060$0.400131k–

价格历史

上述价格(每百万 token)在每个变动日的数值。

$0.00$0.110$0.220$0.330$0.44026年9月26年10月26年11月
输入 输出
当前:输入 $0.070 · 输出 $0.400

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$0.00017.5 s
总结一份 30 页的报告12,000 / 600$0.0011$0.000514.6 s
代码编辑6,000 / 1,500$0.0010$0.000836.0 s
智能体编程会话60,000 / 4,000$0.0058$0.00311.6 min
结构化信息提取2,000 / 200$0.0002$0.00015.1 s

Zhipu AI 的更多模型

本月新上线

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。

[![GLM 4.7 Flash on BenchLeader: 综合第 159 名](https://www.benchleader.com/badge/glm-4-7-flash.svg)](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}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

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。