GLM-4.7

GLM-4.7은 Z.ai(zai-org)가 공개한 Mixture-of-Experts(MoE) 기반 대규모 언어 모델입니다. 총 358B 파라미터 규모이며, 추론·코딩·에이전트 능력을 전반적으로 강화한 차세대 모델입니다.

주요 특징

추론과 사고 제어

GLM-4.7은 단계적 사고(Thinking)를 핵심으로 설계되었습니다.

• Interleaved Thinking: 모든 응답과 도구 호출 전에 사고 과정을 거칩니다.
• Preserved Thinking: 멀티턴 대화에서 이전 사고 블록을 유지합니다.
• Turn-level Thinking: 세션 안에서 턴 단위로 추론 동작을 제어할 수 있습니다.

코딩과 에이전트

"당신의 새로운 코딩 파트너"를 표방하며, 에이전트 코딩 성능이 크게 향상되었습니다.

• SWE-bench: 73.8% (GLM-4.6 대비 +5.8%p)
• SWE-bench Multilingual: 66.7% (+12.9%p)
• Terminal Bench 2.0: 41% (+16.5%p)
• Claude Code, Kilo Code, Cline, Roo Code 등 주요 에이전트 코딩 프레임워크와 함께 사용할 수 있습니다.

UI·비주얼 생성 (Vibe Coding)

더 깔끔하고 현대적인 웹페이지를 생성하며, 레이아웃과 크기가 개선된 슬라이드 생성을 지원합니다.

도구 사용과 웹 브라우징

τ²-Bench와 웹 브라우징(BrowseComp) 과제에서 뚜렷한 성능 향상을 보였습니다.

GLM-4.6 대비 개선점

• HLE: 42.8% (도구 사용 시 +12.4%p)
• 다국어 에이전트 코딩 성능 향상
• UI 품질 및 비주얼 생성 개선
• 도구 사용 및 추론 안정성 강화

벤치마크 하이라이트

• MMLU-Pro: 84.3%
• GPQA-Diamond: 85.7%
• AIME 2025: 95.7%
• LiveCodeBench-v6: 84.9%

사양

• 아키텍처: Mixture-of-Experts (총 358B 파라미터)
• 데이터 타입: BF16, F32
• 최대 생성 토큰: 131,072
• 라이선스: MIT

이 엔드포인트에 대하여

사용 모델은 z-ai/glm-4.7 하나로 고정되어 있으며, 다른 모델을 요청하면 거부됩니다.

원본 모델 카드: https://huggingface.co/zai-org/GLM-4.7