zai-org/glm-4.7

LLM

GLM 4.7 API by ZHIPUAI

zai-org/glm-4.7

Glm-4.7

GLM-4.7 is Z.AI’s latest flagship model, featuring upgrades in two key areas: enhanced programming capabilities and more stable multi-step reasoning/execution. It demonstrates significant improvements in executing complex agent tasks while delivering more natural conversational experiences and superior front-end aesthetics.

المعلمات

مثال الكود
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.getenv("ATLASCLOUD_API_KEY"),
    base_url="https://api.atlascloud.ai/v1"
)

response = client.chat.completions.create(
    model="zai-org/glm-4.7",
    messages=[
    {
        "role": "user",
        "content": "hello"
    }
],
    max_tokens=1024,
    temperature=0.7
)

print(response.choices[0].message.content)

التثبيت

قم بتثبيت الحزمة المطلوبة للغة البرمجة الخاصة بك.

pip install requests

المصادقة

تتطلب جميع طلبات API المصادقة عبر مفتاح API. يمكنك الحصول على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud.

export ATLASCLOUD_API_KEY="your-api-key-here"

ترويسات HTTP

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

حافظ على أمان مفتاح API الخاص بك

لا تكشف أبدًا مفتاح API الخاص بك في الكود من جانب العميل أو المستودعات العامة. استخدم متغيرات البيئة أو وكيل الخادم الخلفي بدلاً من ذلك.

إرسال طلب

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "your-model",
    "messages": [{"role": "user", "content": "Hello"}],
    "max_tokens": 1024
}

response = requests.post(url, headers=headers, json=data)
print(response.json())

Input Schema

المعاملات التالية مقبولة في نص الطلب.

الإجمالي: 14مطلوب: 2اختياري: 12

modelstringrequired

The model ID to use for the completion.

Example: "zai-org/glm-4.7"

messagesarray[object]required

A list of messages comprising the conversation so far.

rolestringrequired

The role of the message author. One of "system", "user", or "assistant".

systemuserassistant

contentstringrequired

The content of the message.

temperaturenumber

Controls the variety of the model's responses. Lower values make output more predictable and deterministic, higher values more diverse and random.

Default: 1Min: 0Max: 2

top_pnumber

Nucleus sampling: limits the model's choices to the smallest set of tokens whose cumulative probability reaches top_p. It is recommended to adjust either this or temperature, not both.

Default: 1Min: 0Max: 1

top_kinteger

Limits the model's choice to the k most likely tokens at each step. Set to 0 or omit to disable.

Default: 0Min: 0

min_pnumber

Minimum probability threshold for a token to be considered, measured relative to the probability of the most likely token. Tokens below this threshold are filtered out.

Default: 0Min: 0Max: 1

frequency_penaltynumber

Penalizes tokens based on how frequently they have appeared in the text so far, reducing verbatim repetition. Negative values encourage token reuse.

Default: 0Min: -2Max: 2

presence_penaltynumber

Penalizes tokens that have already appeared in the text regardless of frequency, encouraging the model to introduce new topics.

Default: 0Min: -2Max: 2

repetition_penaltynumber

Multiplicative penalty applied to previously generated tokens. Values greater than 1 discourage repetition; 1 disables it.

Default: 1Min: 0Max: 2

stopstring | array[string]

One or more sequences where the API will stop generating further tokens. The returned text will not contain the stop sequence.

seedinteger

Random seed for deterministic sampling. Repeated requests with the same seed and parameters should return the same result.

max_tokensinteger

The maximum number of tokens to generate in the completion. The maximum value is the model's context length minus the prompt length.

Min: 1

logit_biasobject

A map of token IDs to bias values from -100 to 100 that adjust the likelihood of those tokens appearing in the output.

streamboolean

If set to true, partial message deltas will be sent as server-sent events.

Default: false

مثال على نص الطلب

{
  "model": "zai-org/glm-4.7",
  "messages": [
    {
      "role": "user",
      "content": "Hello"
    }
  ],
  "max_tokens": 1024,
  "temperature": 0.7,
  "stream": false
}

Output Schema

تُرجع API استجابة متوافقة مع ChatCompletion.

idstringrequired

Unique identifier for the completion.

objectstringrequired

Object type, always "chat.completion".

Default: "chat.completion"

createdintegerrequired

Unix timestamp of when the completion was created.

modelstringrequired

The model used for the completion.

choicesarray[object]required

List of completion choices.

indexintegerrequired

Index of the choice.

messageobjectrequired

The generated message.

finish_reasonstringrequired

The reason generation stopped.

stoplengthcontent_filter

usageobjectrequired

Token usage statistics.

prompt_tokensintegerrequired

Number of tokens in the prompt.

completion_tokensintegerrequired

Number of tokens in the completion.

total_tokensintegerrequired

Total tokens used.

مثال على الاستجابة

{
  "id": "chatcmpl-abc123",
  "object": "chat.completion",
  "created": 1700000000,
  "model": "model-name",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Hello! How can I assist you today?"
      },
      "finish_reason": "stop"
    }
  ],
  "usage": {
    "prompt_tokens": 10,
    "completion_tokens": 20,
    "total_tokens": 30
  }
}

Atlas Cloud Skills

يدمج Atlas Cloud Skills أكثر من 400 نموذج ذكاء اصطناعي مباشرة في مساعد البرمجة بالذكاء الاصطناعي الخاص بك. أمر واحد للتثبيت، ثم استخدم اللغة الطبيعية لتوليد الصور ومقاطع الفيديو والدردشة مع LLM.

العملاء المدعومون

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ العملاء المدعومون

التثبيت

npx skills add AtlasCloudAI/atlas-cloud-skills

إعداد مفتاح API

احصل على مفتاح API الخاص بك من لوحة تحكم Atlas Cloud وعيّنه كمتغير بيئة.

export ATLASCLOUD_API_KEY="your-api-key-here"

الإمكانيات

بمجرد التثبيت، يمكنك استخدام اللغة الطبيعية في مساعد الذكاء الاصطناعي الخاص بك للوصول إلى جميع نماذج Atlas Cloud.

توليد الصورأنشئ صورًا باستخدام نماذج مثل Nano Banana 2 و Z-Image والمزيد.

إنشاء الفيديوأنشئ مقاطع فيديو من نص أو صور باستخدام Kling و Vidu و Veo وغيرها.

دردشة LLMتحدث مع Qwen و DeepSeek ونماذج اللغة الكبيرة الأخرى.

رفع الوسائطارفع الملفات المحلية لتحرير الصور وسير عمل تحويل الصور إلى فيديو.

MCP Server

يربط Atlas Cloud MCP Server بيئة التطوير الخاصة بك بأكثر من 400 نموذج ذكاء اصطناعي عبر Model Context Protocol. يعمل مع أي عميل متوافق مع MCP.

العملاء المدعومون

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ العملاء المدعومون

التثبيت

npx -y atlascloud-mcp

التكوين

أضف التكوين التالي إلى ملف إعدادات MCP في بيئة التطوير الخاصة بك.

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

الأدوات المتاحة

atlas_generate_imageتوليد صور من أوصاف نصية.

atlas_generate_videoإنشاء مقاطع فيديو من نص أو صور.

atlas_chatالدردشة مع نماذج اللغة الكبيرة.

atlas_list_modelsتصفح أكثر من 400 نموذج ذكاء اصطناعي متاح.

atlas_quick_generateإنشاء محتوى بخطوة واحدة مع اختيار تلقائي للنموذج.

atlas_upload_mediaرفع الملفات المحلية لسير عمل API.

اعرف المزيد

github.com/AtlasCloudAI/mcp-server

GLM-4.7 - نموذج لغوي متقدم للبرمجة والاستنتاج

الأحدث

358 مليار معامل إجمالي مع 32 مليار معامل نشط

GLM-4.7، الذي تم إطلاقه في 22 ديسمبر 2025 بواسطة Z.ai، هو نموذج لغوي كبير من الجيل التالي مصمم لبيئات التطوير الحقيقية. مع 358 مليار معامل إجمالي (32 مليار نشط)، ونافذة سياق 200K، وآليات تفكير مبتكرة، يحتل المرتبة الأولى بين النماذج مفتوحة المصدر في Code Arena ويحقق تحسينات رائدة في معايير البرمجة والاستنتاج واستخدام الأدوات.

358B

المعاملات الإجمالية

32B

المعاملات النشطة

200K

نافذة السياق

MoE

الهندسة المعمارية

التفكير المتشابك

يفكر النموذج قبل كل استجابة واستدعاء أداة، مما يحسن اتباع التعليمات وجودة التوليد

استنتاج محسّن قبل كل إجراء
تحسين الالتزام بالتعليمات
استجابات ذات جودة أفضل مع التحقق المدمج

التفكير المحفوظ

يحتفظ تلقائياً بجميع كتل التفكير عبر المحادثات متعددة الأدوار في سيناريوهات البرمجة

يعيد استخدام الاستنتاج الموجود بدلاً من إعادة الاشتقاق
يقلل من فقدان المعلومات بين الأدوار
يضمن الاتساق في الحوارات متعددة الأدوار

التفكير على مستوى الدور

التحكم في الاستنتاج لكل دور داخل الجلسة للحصول على الأداء والتكلفة الأمثل

تعطيل التفكير للطلبات الخفيفة
تمكين التفكير للمهام المعقدة
التوازن بين السرعة والدقة

استخدام الأدوات المتقدم

تحسينات كبيرة في قدرات استخدام الأدوات وتصفح الويب

87.4 نقطة في τ²-Bench (الأعلى بين المصادر المفتوحة)
تصفح ويب أفضل عبر BrowseComp
استخدام أدوات تفاعلية محسّن

معايير الأداء

يحقق GLM-4.7 نتائج متقدمة عبر معايير صناعية متعددة

SWE-bench

البرمجة

73.8%+5.8%

مهام هندسة البرمجيات الحقيقية التي تتطلب فهم الكود وتوليده

SWE-bench متعدد اللغات

البرمجة

66.7%+12.9%

برمجة وكيلة متعددة اللغات عبر لغات برمجة مختلفة

Terminal Bench 2.0

الطرفية

41%+16.5%

المهام القائمة على الطرفية وعمليات سطر الأوامر

HLE (امتحان البشرية الأخير)

الاستنتاج

42.8%+12.4%

تحديات رياضية واستنتاجية معقدة

τ²-Bench

استخدام الأدوات

87.4#1

تقييم استخدام الأدوات التفاعلية

Code Arena

عام

#1بين النماذج مفتوحة المصدر والنماذج الصينية

تقييم أعمى واسع النطاق مع أكثر من مليون مشارك

القدرات الأساسية

💻

التميز في البرمجة

أداء رائد في الصناعة في البرمجة الوكيلة متعددة اللغات وتطوير البرمجيات

73.8% في SWE-bench (+5.8% تحسين)
66.7% في SWE-bench متعدد اللغات (+12.9%)
84.9 في LiveCodeBench V6 (يتفوق على Claude Sonnet 4.5)

🧠

الاستنتاج المعقد

تحسينات كبيرة في المهام الرياضية ومهام الاستنتاج المعقدة

42.8% في معيار HLE (+12.4% تحسين)
حل مشاكل رياضية محسّن
قدرات استنتاج منطقي متقدمة

🎨

البرمجة الإبداعية

تحسينات كبيرة في جودة توليد واجهة المستخدم/تجربة المستخدم وجماليات التصميم

تصاميم صفحات ويب أنظف وأكثر حداثة
عروض شرائح ذات مظهر أفضل
تحكم دقيق في التخطيط والحجم

مثالي لـ

👨‍💻

وكلاء البرمجة وبيئات التطوير المتكاملة

🔧

سير عمل التطوير

🤖

مساعدو الذكاء الاصطناعي

🧪

البحث والتعليم

🎯

حل المشكلات المعقدة

📊

تحليل البيانات

المواصفات الفنية

المعاملات الإجمالية358 مليار

المعاملات النشطة32 مليار

نافذة السياق200 ألف رمز

سعة الإخراج128 ألف رمز

الهندسة المعماريةمزيج من الخبراء (MoE)

تاريخ الإصدار22 ديسمبر 2025

المطورZ.ai (المعروف سابقاً باسم Zhipu AI)

الترخيصمفتوح المصدر

الأسئلة الشائعة

ما الذي يجعل GLM-4.7 مختلفاً عن نماذج اللغة الكبيرة الأخرى؟

يقدم GLM-4.7 آليات تفكير متقدمة بما في ذلك التفكير المتشابك والتفكير المحفوظ والتفكير على مستوى الدور. تسمح هذه الميزات للنموذج بالحفاظ على الاتساق عبر المحادثات، والاستنتاج بشكل أكثر فعالية، وتوفير تحكم دقيق للمستخدمين في مقايضات الأداء مقابل التكلفة.

كيف يؤدي GLM-4.7 مقارنة بـ GPT-4 و Claude؟

يحتل GLM-4.7 المرتبة الأولى بين النماذج مفتوحة المصدر والنماذج الصينية في Code Arena. يحقق 84.9 في LiveCodeBench V6، متفوقاً على Claude Sonnet 4.5، ويظهر تحسينات كبيرة عبر معايير البرمجة والاستنتاج واستخدام الأدوات.

هل يمكنني استخدام GLM-4.7 في أطر عمل وكلاء البرمجة؟

نعم! GLM-4.7 متاح الآن في وكلاء البرمجة الشائعين بما في ذلك Claude Code و Kilo Code و Roo Code و Cline. تم تحسينه لبيئات التطوير ذات دورات المهام الأطول، والاستخدام المتكرر للأدوات، والمتطلبات الأعلى للاستقرار والاتساق.

ما هي نافذة السياق وسعة الإخراج لـ GLM-4.7؟

يتميز GLM-4.7 بنافذة سياق 200K رمز مع سعة إخراج 128K. تستخدم هندسة MoE 358 مليار معامل إجمالي مع 32 مليار معامل نشط، مما يوفر أداءً ممتازاً دون الحاجة إلى موارد حوسبة ضخمة.

كيف يمكنني الوصول إلى GLM-4.7 عبر واجهات برمجة التطبيقات؟

GLM-4.7 متاح من خلال واجهة برمجة التطبيقات الموحدة لـ Atlas Cloud. ما عليك سوى استخدام نقاط نهاية واجهة برمجة التطبيقات المتوافقة مع OpenAI القياسية للوصول إلى هذا النموذج. تحقق من وثائق واجهة برمجة التطبيقات الخاصة بنا للحصول على إرشادات التكامل وأمثلة التعليمات البرمجية. النموذج متاح أيضًا كإصدار مفتوح المصدر للاستضافة الذاتية.

هل أحتاج إلى نشر GLM-4.7 بنفسي؟

لا حاجة للنشر! يوفر Atlas Cloud نموذج GLM-4.7 الجاهز للاستخدام من خلال واجهة برمجة التطبيقات الموحدة الخاصة بنا. نحن نتعامل مع جميع البنية التحتية والتوسع والتحسين حتى تتمكن من التركيز على بناء تطبيقاتك. ما عليك سوى إجراء استدعاءات واجهة برمجة التطبيقات للوصول إلى النموذج على الفور.

لماذا تختار Atlas Cloud لـ GLM-4.7؟

استمتع بالموثوقية والأمان والكفاءة من حيث التكلفة على مستوى المؤسسات مع خدمة GLM-4.7 API المُدارة بالكامل.

أسعار تنافسية

أسعار الدفع حسب الاستخدام مع تكاليف شفافة. بدون رسوم خفية، بدون التزامات دنيا. ابدأ مجانًا.

اتفاقية مستوى الخدمة لوقت التشغيل 99.9%

بنية تحتية على مستوى المؤسسات مع التحويل التلقائي عند الفشل وموازنة التحميل والمراقبة على مدار الساعة طوال أيام الأسبوع لتحقيق أقصى قدر من الموثوقية.

معتمد SOC 2 Type II

أمان على مستوى المؤسسات مع شهادة SOC 2 Type II. يتم تشفير بياناتك أثناء النقل والتخزين بمعايير أمنية رائدة في الصناعة.

استجابة فائقة السرعة

شبكة CDN عالمية مع مواقع في جميع أنحاء العالم. توفر البنية التحتية المُحسّنة للاستدلال أوقات استجابة أقل من ثانية.

دعم خبراء

فريق دعم فني مخصص متاح على مدار الساعة طوال أيام الأسبوع. احصل على مساعدة في التكامل والتحسين واستكشاف الأخطاء وإصلاحها.

منصة API موحدة

الوصول إلى أكثر من 400 نموذج ذكاء اصطناعي (LLM، صورة، فيديو، صوت) من خلال واجهة برمجة تطبيقات متسقة. تكامل واحد لجميع احتياجاتك من الذكاء الاصطناعي.

جرب GLM-4.7 اليوم

ابدأ البناء بأكثر نماذج البرمجة والاستنتاج مفتوحة المصدر تقدماً. متاح عبر API أو النشر مفتوح المصدر.

نافذة سياق 200K للمهام المعقدة

آليات تفكير متقدمة

نموذج مفتوح المصدر رقم 1

GLM 4.7 API by ZHIPUAI

المعلمات

مثال الكود

التثبيت

المصادقة

ترويسات HTTP

إرسال طلب

Input Schema

مثال على نص الطلب

Output Schema

مثال على الاستجابة

Atlas Cloud Skills

العملاء المدعومون

التثبيت

إعداد مفتاح API

الإمكانيات

MCP Server

العملاء المدعومون

التثبيت

التكوين

الأدوات المتاحة

GLM-4.7 - نموذج لغوي متقدم للبرمجة والاستنتاج

معايير الأداء

القدرات الأساسية

التميز في البرمجة

الاستنتاج المعقد

البرمجة الإبداعية

مثالي لـ

المواصفات الفنية

الأسئلة الشائعة

ما الذي يجعل GLM-4.7 مختلفاً عن نماذج اللغة الكبيرة الأخرى؟

كيف يؤدي GLM-4.7 مقارنة بـ GPT-4 و Claude؟

هل يمكنني استخدام GLM-4.7 في أطر عمل وكلاء البرمجة؟

ما هي نافذة السياق وسعة الإخراج لـ GLM-4.7؟

كيف يمكنني الوصول إلى GLM-4.7 عبر واجهات برمجة التطبيقات؟

هل أحتاج إلى نشر GLM-4.7 بنفسي؟

لماذا تختار Atlas Cloud لـ GLM-4.7؟

أسعار تنافسية

اتفاقية مستوى الخدمة لوقت التشغيل 99.9%

معتمد SOC 2 Type II

استجابة فائقة السرعة

دعم خبراء

منصة API موحدة

جرب GLM-4.7 اليوم

استكشف نماذج مماثلة

GLM 5.2

GLM 5.1

GLM 5v Turbo

GLM 5

GLM 4.6

DeepSeek V4 Flash 0731

Qwen3.8 Max

Kimi K3

Grok 4.5

KAT Coder Air V2.5

KAT Coder Pro V2.5

Doubao Seed Character

Doubao Seed 2.1 Pro

Doubao Seed 2.1 Turbo

Kimi K2.7 Code

واجهة برمجية واحدة لكل وسائط الذكاء الاصطناعي.

المعلمات

مثال الكود

التثبيت

المصادقة

ترويسات HTTP

إرسال طلب

Input Schema

مثال على نص الطلب

Output Schema

مثال على الاستجابة

Atlas Cloud Skills

العملاء المدعومون

التثبيت

إعداد مفتاح API

الإمكانيات

MCP Server

العملاء المدعومون

التثبيت

التكوين