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.

Paramètres

Exemple de code
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)

Installer

Installez le package requis pour votre langage.

pip install requests

Authentification

Toutes les requêtes API nécessitent une authentification via une clé API. Vous pouvez obtenir votre clé API depuis le tableau de bord Atlas Cloud.

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

En-têtes HTTP

import os

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

Protégez votre clé API

N'exposez jamais votre clé API dans du code côté client ou dans des dépôts publics. Utilisez plutôt des variables d'environnement ou un proxy backend.

Soumettre une requête

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())

Schema d'entrée

Les paramètres suivants sont acceptés dans le corps de la requête.

Total: 14Requis: 2Optionnel: 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

Exemple de corps de requête

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

Schema de sortie

L'API renvoie une réponse compatible 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.

Exemple de réponse

{
  "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

Atlas Cloud Skills intègre plus de 400 modèles d'IA directement dans votre assistant de codage IA. Une seule commande pour installer, puis utilisez le langage naturel pour générer des images, des vidéos et discuter avec des LLM.

Clients pris en charge

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ clients pris en charge

Installer

npx skills add AtlasCloudAI/atlas-cloud-skills

Configurer la clé API

Obtenez votre clé API depuis le tableau de bord Atlas Cloud et définissez-la comme variable d'environnement.

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

Fonctionnalités

Une fois installé, vous pouvez utiliser le langage naturel dans votre assistant IA pour accéder à tous les modèles Atlas Cloud.

Génération d'imagesGénérez des images avec des modèles comme Nano Banana 2, Z-Image, et plus encore.

Création de vidéosCréez des vidéos à partir de texte ou d'images avec Kling, Vidu, Veo, etc.

Chat LLMDiscutez avec Qwen, DeepSeek et d'autres grands modèles de langage.

Téléversement de médiasTéléversez des fichiers locaux pour l'édition d'images et les workflows image-vers-vidéo.

En savoir plus

github.com/AtlasCloudAI/atlas-cloud-skills

Serveur MCP

Le serveur MCP Atlas Cloud connecte votre IDE avec plus de 400 modèles d'IA via le Model Context Protocol. Compatible avec tout client compatible MCP.

Clients pris en charge

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ clients pris en charge

Installer

npx -y atlascloud-mcp

Configuration

Ajoutez la configuration suivante au fichier de paramètres MCP de votre IDE.

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

Outils disponibles

atlas_generate_imageGénérez des images à partir de prompts textuels.

atlas_generate_videoCréez des vidéos à partir de texte ou d'images.

atlas_chatDiscutez avec de grands modèles de langage.

atlas_list_modelsParcourez plus de 400 modèles d'IA disponibles.

atlas_quick_generateCréation de contenu en une étape avec sélection automatique du modèle.

atlas_upload_mediaTéléversez des fichiers locaux pour les workflows API.

En savoir plus

github.com/AtlasCloudAI/mcp-server

GLM-4.7 - LLM Avancé de Codage et Raisonnement

Nouveau

358 milliards de paramètres totaux avec 32 milliards actifs

GLM-4.7, lancé le 22 décembre 2025 par Z.ai, est un modèle de langage de nouvelle génération conçu pour les environnements de développement réels. Avec 358 milliards de paramètres totaux (32B actifs), une fenêtre de contexte de 200K et des mécanismes de pensée innovants, il se classe n°1 parmi les modèles open source sur Code Arena et réalise des améliorations révolutionnaires en codage, raisonnement et utilisation d'outils.

358B

Paramètres Totaux

32B

Paramètres Actifs

200K

Fenêtre de Contexte

MoE

Architecture

Pensée Entrelacée

Le modèle réfléchit avant chaque réponse et appel d'outil, améliorant le respect des instructions et la qualité de génération

Raisonnement amélioré avant chaque action
Meilleure adhérence aux instructions
Réponses de meilleure qualité avec vérification intégrée

Pensée Préservée

Conserve automatiquement tous les blocs de pensée à travers les conversations multi-tours dans les scénarios de codage

Réutilise le raisonnement existant au lieu de re-dériver
Réduit la perte d'information entre les tours
Garantit la cohérence dans les dialogues multi-tours

Pensée au Niveau du Tour

Contrôle par tour sur le raisonnement dans une session pour des performances et un coût optimaux

Désactiver la pensée pour les demandes légères
Activer la pensée pour les tâches complexes
Équilibre entre vitesse et précision

Utilisation Avancée d'Outils

Améliorations significatives des capacités d'utilisation d'outils et de navigation web

Score de 87.4 sur τ²-Bench (le plus élevé parmi l'open source)
Meilleure navigation web via BrowseComp
Utilisation améliorée d'outils interactifs

Benchmarks de Performance

GLM-4.7 atteint des résultats de pointe sur plusieurs benchmarks standards de l'industrie

SWE-bench

Codage

73.8%+5.8%

Tâches d'ingénierie logicielle du monde réel nécessitant compréhension et génération de code

SWE-bench Multilingue

Codage

66.7%+12.9%

Codage agentique multilingue dans différents langages de programmation

Terminal Bench 2.0

Terminal

41%+16.5%

Tâches basées sur le terminal et opérations en ligne de commande

HLE (Dernier Examen de l'Humanité)

Raisonnement

42.8%+12.4%

Défis mathématiques et de raisonnement complexes

τ²-Bench

Utilisation d'Outils

87.4#1

Évaluation de l'utilisation d'outils interactifs

Code Arena

Général

#1Parmi les modèles open source et chinois

Évaluation aveugle à grande échelle avec plus d'1M de participants

Capacités Principales

💻

Excellence en Codage

Performance de pointe dans le codage agentique multilingue et le développement logiciel

73.8% sur SWE-bench (amélioration de +5.8%)
66.7% sur SWE-bench Multilingue (+12.9%)
84.9 sur LiveCodeBench V6 (dépasse Claude Sonnet 4.5)

🧠

Raisonnement Complexe

Améliorations substantielles dans les tâches mathématiques et de raisonnement complexe

42.8% sur le benchmark HLE (amélioration de +12.4%)
Résolution améliorée de problèmes mathématiques
Capacités avancées de raisonnement logique

🎨

Codage Vibe

Améliorations majeures de la qualité de génération UI/UX et de l'esthétique de design

Designs de pages web plus propres et modernes
Présentations de diapositives plus esthétiques
Contrôle précis de la mise en page et du dimensionnement

Parfait Pour

👨‍💻

Agents de Codage et IDE

🔧

Flux de Travail de Développement

🤖

Assistants IA

🧪

Recherche et Éducation

🎯

Résolution de Problèmes Complexes

📊

Analyse de Données

Spécifications Techniques

Paramètres Totaux358 Milliards

Paramètres Actifs32 Milliards

Fenêtre de Contexte200K tokens

Capacité de Sortie128K tokens

ArchitectureMélange d'Experts (MoE)

Date de Sortie22 décembre 2025

DéveloppeurZ.ai (anciennement Zhipu AI)

LicenceOpen Source

Questions Fréquentes

Qu'est-ce qui rend GLM-4.7 différent des autres grands modèles de langage?

GLM-4.7 introduit des mécanismes de pensée avancés incluant la Pensée Entrelacée, la Pensée Préservée et la Pensée au Niveau du Tour. Ces fonctionnalités permettent au modèle de maintenir la cohérence à travers les conversations, de raisonner plus efficacement et de fournir aux utilisateurs un contrôle granulaire sur les compromis entre performance et coût.

Comment GLM-4.7 se compare-t-il à GPT-4 et Claude?

GLM-4.7 se classe n°1 parmi les modèles open source et les modèles chinois sur Code Arena. Il atteint 84.9 sur LiveCodeBench V6, dépassant Claude Sonnet 4.5, et montre des améliorations significatives dans les benchmarks de codage, raisonnement et utilisation d'outils.

Puis-je utiliser GLM-4.7 dans des frameworks d'agents de codage?

Oui! GLM-4.7 est maintenant disponible dans les agents de codage populaires incluant Claude Code, Kilo Code, Roo Code et Cline. Il est optimisé pour les environnements de développement avec des cycles de tâches plus longs, une utilisation fréquente d'outils et des exigences plus élevées en termes de stabilité et de cohérence.

Quelle est la fenêtre de contexte et la capacité de sortie de GLM-4.7?

GLM-4.7 dispose d'une fenêtre de contexte de 200K tokens avec une capacité de sortie de 128K. L'architecture MoE utilise 358 milliards de paramètres totaux avec 32 milliards de paramètres actifs, offrant d'excellentes performances sans nécessiter de ressources de calcul massives.

Comment puis-je accéder à GLM-4.7 via des API ?

GLM-4.7 est disponible via l'API unifiée d'Atlas Cloud. Utilisez simplement nos endpoints API compatibles OpenAI standard pour accéder à ce modèle. Consultez notre documentation API pour les directives d'intégration et les exemples de code. Le modèle est également disponible en version open source pour l'auto-hébergement.

Dois-je déployer GLM-4.7 moi-même ?

Aucun déploiement nécessaire ! Atlas Cloud fournit GLM-4.7 prêt à l'emploi via notre API unifiée. Nous gérons toute l'infrastructure, la mise à l'échelle et l'optimisation pour que vous puissiez vous concentrer sur la construction de vos applications. Effectuez simplement des appels API pour accéder au modèle instantanément.

Pourquoi choisir Atlas Cloud pour GLM-4.7 ?

Découvrez la fiabilité, la sécurité et le rapport qualité-prix de niveau entreprise avec notre service API GLM-4.7 entièrement géré.

Prix Compétitifs

Tarification à l'usage avec des coûts transparents. Pas de frais cachés, pas d'engagement minimum. Commencez gratuitement.

SLA de disponibilité à 99,9%

Infrastructure de niveau entreprise avec basculement automatique, équilibrage de charge et surveillance 24h/24 et 7j/7 pour une fiabilité maximale.

Certifié SOC 2 Type II

Sécurité de niveau entreprise avec certification SOC 2 Type II. Vos données sont chiffrées en transit et au repos selon les normes de sécurité les plus élevées du secteur.

Réponse Ultra-Rapide

CDN mondial avec des emplacements dans le monde entier. L'infrastructure d'inférence optimisée offre des temps de réponse inférieurs à une seconde.

Support Expert

Équipe de support technique dédiée disponible 24h/24 et 7j/7. Obtenez de l'aide pour l'intégration, l'optimisation et le dépannage.

Plateforme API Unifiée

Accédez à plus de 400 modèles d'IA (LLM, image, vidéo, audio) via une API cohérente. Intégration unique pour tous vos besoins en IA.

Découvrez GLM-4.7 Aujourd'hui

Commencez à construire avec le modèle de codage et raisonnement open source le plus avancé. Disponible via API ou déploiement open source.

Fenêtre de contexte de 200K pour les tâches complexes

Mécanismes de pensée avancés

Modèle open source classé n°1

GLM 4.7 API by ZHIPUAI

Paramètres

Exemple de code

Installer

Authentification

En-têtes HTTP

Soumettre une requête

Schema d'entrée

Exemple de corps de requête

Schema de sortie

Exemple de réponse

Atlas Cloud Skills

Clients pris en charge

Installer

Configurer la clé API

Fonctionnalités

Serveur MCP

Clients pris en charge

Installer

Configuration

Outils disponibles

GLM-4.7 - LLM Avancé de Codage et Raisonnement

Benchmarks de Performance

Capacités Principales

Excellence en Codage

Raisonnement Complexe

Codage Vibe

Parfait Pour

Spécifications Techniques

Questions Fréquentes

Qu'est-ce qui rend GLM-4.7 différent des autres grands modèles de langage?

Comment GLM-4.7 se compare-t-il à GPT-4 et Claude?

Puis-je utiliser GLM-4.7 dans des frameworks d'agents de codage?

Quelle est la fenêtre de contexte et la capacité de sortie de GLM-4.7?

Comment puis-je accéder à GLM-4.7 via des API ?

Dois-je déployer GLM-4.7 moi-même ?

Pourquoi choisir Atlas Cloud pour GLM-4.7 ?

Prix Compétitifs

SLA de disponibilité à 99,9%

Certifié SOC 2 Type II

Réponse Ultra-Rapide

Support Expert

Plateforme API Unifiée

Découvrez GLM-4.7 Aujourd'hui

Découvrir des modèles similaires

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

Une seule API pour toute l'IA multimédia.

Paramètres

Exemple de code

Installer

Authentification

En-têtes HTTP

Soumettre une requête

Schema d'entrée

Exemple de corps de requête

Schema de sortie

Exemple de réponse

Atlas Cloud Skills

Clients pris en charge

Installer

Configurer la clé API

Fonctionnalités

Serveur MCP

Clients pris en charge

Installer

Configuration