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.

GLM 4.7 è sviluppato da Z.ai. Atlas Cloud (gestita da Atlas Cloud AI LLC) ne fornisce l’accesso ma non ne è proprietaria. Tutti i marchi appartengono ai rispettivi titolari.

Parametri

Esempio di codice
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": "what is difference between http and https"
        }
    ],
    max_tokens=81920,
    temperature=0.7
)

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

Installa

Installa il pacchetto di dipendenze richiesto.

pip install requests

Autenticazione

Tutte le richieste API richiedono l'autenticazione tramite una chiave API. Puoi ottenere la tua chiave API dalla dashboard di Atlas Cloud.

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

Header HTTP

import os

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

Proteggi la tua chiave API

Non esporre mai la tua chiave API nel codice lato client o nei repository pubblici. Utilizza invece variabili d'ambiente o un proxy backend.

Invia una richiesta

import requests

url = "https://api.atlascloud.ai/v1/chat/completions"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
    "model": "zai-org/glm-4.7",
    "messages": [
        {
            "role": "user",
            "content": "what is difference between http and https"
        }
    ],
    "max_tokens": 81920,
    "temperature": 0.7,
    "stream": False
}

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

Schema di input

I seguenti parametri sono accettati nel corpo della richiesta.

Totale: 14Obbligatorio: 2Opzionale: 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.

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

Esempio di corpo della richiesta

{
  "model": "zai-org/glm-4.7",
  "messages": [
    {
      "role": "user",
      "content": "what is difference between http and https"
    }
  ],
  "max_tokens": 81920,
  "temperature": 0.7,
  "stream": false
}

Schema di output

L'API restituisce una risposta compatibile con 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.

Esempio di risposta

{
  "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 integra oltre 400 modelli di IA direttamente nel tuo assistente di codifica IA. Un comando per installare, poi usa il linguaggio naturale per generare immagini, video e chattare con LLM.

Client supportati

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ client supportati

Installa

npx skills add AtlasCloudAI/atlas-cloud-skills

Configura chiave API

Ottieni la tua chiave API dalla dashboard di Atlas Cloud e impostala come variabile d'ambiente.

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

Funzionalità

Una volta installato, puoi usare il linguaggio naturale nel tuo assistente IA per accedere a tutti i modelli Atlas Cloud.

Generazione di immaginiGenera immagini con modelli come Nano Banana 2, Z-Image e altri.

Creazione di videoCrea video da testo o immagini con Kling, Vidu, Veo, ecc.

Chat LLMChatta con Qwen, DeepSeek e altri grandi modelli linguistici.

Caricamento mediaCarica file locali per la modifica di immagini e flussi di lavoro da immagine a video.

Scopri di più

github.com/AtlasCloudAI/atlas-cloud-skills

Server MCP

Il server MCP di Atlas Cloud collega il tuo IDE con oltre 400 modelli di IA tramite il Model Context Protocol. Funziona con qualsiasi client compatibile MCP.

Client supportati

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ client supportati

Installa

npx -y atlascloud-mcp

Configurazione

Aggiungi la seguente configurazione al file delle impostazioni MCP del tuo IDE.

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

Strumenti disponibili

atlas_generate_imageGenera immagini da prompt testuali.

atlas_generate_videoCrea video da testo o immagini.

atlas_chatChatta con grandi modelli linguistici.

atlas_list_modelsEsplora oltre 400 modelli di IA disponibili.

atlas_quick_generateCreazione di contenuti in un solo passaggio con selezione automatica del modello.

atlas_upload_mediaCarica file locali per i flussi di lavoro API.

Scopri di più

github.com/AtlasCloudAI/mcp-server

GLM-4.7 - LLM Avanzato per Codifica e Ragionamento

Ultimo

358 miliardi di parametri totali con 32 miliardi attivi

GLM-4.7, rilasciato il 22 dicembre 2025 da Z.ai, è un modello linguistico di nuova generazione progettato per ambienti di sviluppo reali. Con 358 miliardi di parametri totali (32B attivi), una finestra di contesto da 200K e meccanismi di pensiero innovativi, si classifica al #1 tra i modelli open source su Code Arena e ottiene miglioramenti rivoluzionari nei benchmark di programmazione, ragionamento e uso degli strumenti.

358B

Parametri Totali

32B

Parametri Attivi

200K

Finestra di Contesto

MoE

Architettura

Pensiero Interlacciato

Il modello ragiona prima di ogni risposta e chiamata di strumento, migliorando l'aderenza alle istruzioni e la qualità della generazione.

Ragionamento migliorato prima di ogni azione
Migliore aderenza alle istruzioni
Risposte di qualità superiore grazie a una verifica integrata

Pensiero Preservato

Conserva automaticamente tutti i blocchi di pensiero nelle conversazioni multi-turno negli scenari di programmazione

Riutilizza il ragionamento esistente invece di riderivarlo
Riduce la perdita di informazioni tra i turni
Garantisce la coerenza nelle conversazioni multi-turno

Pensiero a Livello di Turno

Controllo granulare del ragionamento per ogni turno all'interno di una sessione, per ottimizzare prestazioni e costi

Disattiva il pensiero per richieste leggere
Attiva il pensiero per compiti complessi
Bilancia velocità e precisione

Uso Avanzato di Strumenti

Miglioramenti significativi nelle capacità di utilizzo degli strumenti e nella navigazione web

Punteggio di 87,4 su τ²-Bench (il più alto tra i modelli open source)
Migliore navigazione web via BrowseComp
Uso migliorato di strumenti interattivi

Benchmark delle Prestazioni

GLM-4.7 raggiunge risultati all'avanguardia su più benchmark standard del settore

SWE-bench

Codifica

73.8%+5.8%

Compiti reali di ingegneria del software che richiedono la comprensione e la generazione di codice

SWE-bench Multilingue

Codifica

66.7%+12.9%

Programmazione agentica multilingue su diversi linguaggi di programmazione

Terminal Bench 2.0

Terminale

41%+16.5%

Compiti basati su terminale e operazioni da riga di comando

HLE (Humanity's Last Exam)

Ragionamento

42.8%+12.4%

Sfide matematiche e di ragionamento complesse

τ²-Bench

Uso Strumenti

87.4#1

Valutazione uso strumenti interattivi

Code Arena

Generale

#1Tra i modelli open source e cinesi

Valutazione cieca su larga scala con oltre 1 milione di partecipanti

Capacità Principali

💻

Eccellenza nella Codifica

Prestazioni leader del settore nella programmazione agentica multilingue e nello sviluppo software

73,8% su SWE-bench (+5,8%)
66,7% su SWE-bench Multilingue (+12,9%)
84,9 su LiveCodeBench V6 (supera Claude Sonnet 4.5)

🧠

Ragionamento Complesso

Miglioramenti sostanziali nei compiti matematici e di ragionamento complesso

42,8% su HLE (+12,4%)
Risoluzione potenziata dei problemi matematici
Capacità di ragionamento logico avanzate

🎨

Programmazione Creativa

Miglioramenti importanti nella qualità di generazione UI/UX

Design di pagine web più puliti e moderni
Presentazioni di slide dall'aspetto migliore
Controllo preciso del layout e delle dimensioni

Perfetto Per

👨‍💻

Agenti di Codifica e IDE

🔧

Flussi di Lavoro di Sviluppo

🤖

Assistenti IA

🧪

Ricerca ed Educazione

🎯

Risoluzione di Problemi Complessi

📊

Analisi Dati

Specifiche Tecniche

Parametri Totali358 Miliardi

Parametri Attivi32 Miliardi

Finestra di Contesto200K token

Capacità di Output128K token

ArchitetturaMixture of Experts (MoE)

Data di Rilascio22 dicembre 2025

SviluppatoreZ.ai

LicenzaOpen Source

Domande Frequenti

Cosa rende GLM-4.7 diverso dagli altri LLM?

GLM-4.7 introduce meccanismi di pensiero avanzati, tra cui il Pensiero Interlacciato, il Pensiero Preservato e il Pensiero a Livello di Turno. Queste funzionalità consentono al modello di mantenere la coerenza durante le conversazioni, di ragionare in modo più efficace e di offrire agli utenti un controllo granulare sul compromesso tra prestazioni e costi.

Come si confronta GLM-4.7 con GPT-4 e Claude?

GLM-4.7 si classifica al #1 tra i modelli open source e i modelli cinesi su Code Arena. Raggiunge 84,9 su LiveCodeBench V6, superando Claude Sonnet 4.5, e mostra miglioramenti significativi nei benchmark di programmazione, ragionamento e uso degli strumenti.

Posso usare GLM-4.7 in framework di agenti di codifica?

Sì! GLM-4.7 è ora disponibile negli agenti di codifica più diffusi, tra cui Claude Code, Kilo Code, Roo Code e Cline. È ottimizzato per ambienti di sviluppo con cicli di task più lunghi, uso frequente degli strumenti e maggiori esigenze di stabilità e coerenza.

Quali sono la finestra di contesto e la capacità di output di GLM-4.7?

GLM-4.7 dispone di una finestra di contesto da 200K token e di una capacità di output da 128K token. L'architettura MoE utilizza 358 miliardi di parametri totali con 32 miliardi di parametri attivi, offrendo prestazioni eccellenti senza richiedere ingenti risorse di calcolo.

Come posso accedere a GLM-4.7 tramite API?

GLM-4.7 è disponibile tramite l'API unificata di Atlas Cloud. Basta utilizzare i nostri endpoint API compatibili con OpenAI standard per accedere a questo modello. Consultare la nostra documentazione API per linee guida sull'integrazione ed esempi di codice. Il modello è anche disponibile come versione open source per l'auto-hosting.

Devo distribuire GLM-4.7 da solo?

Nessuna distribuzione necessaria! Atlas Cloud fornisce GLM-4.7 pronto all'uso tramite la nostra API unificata. Gestiamo tutta l'infrastruttura, il ridimensionamento e l'ottimizzazione in modo che tu possa concentrarti sulla creazione delle tue applicazioni. Basta effettuare chiamate API per accedere istantaneamente al modello.

Perché scegliere Atlas Cloud per GLM-4.7?

Sperimenta affidabilità, sicurezza ed efficienza dei costi di livello enterprise con il nostro servizio API GLM-4.7 completamente gestito.

Prezzi Competitivi

Prezzi pay-as-you-go con costi trasparenti. Nessuna tariffa nascosta, nessun impegno minimo. Inizia gratuitamente.

SLA di uptime del 99,9%

Infrastruttura di livello enterprise con failover automatico, bilanciamento del carico e monitoraggio 24/7 per la massima affidabilità.

Certificato SOC 2 Type II

Sicurezza di livello enterprise con certificazione SOC 2 Type II. I tuoi dati sono crittografati in transito e a riposo con standard di sicurezza leader del settore.

Risposta Ultra-Veloce

CDN globale con posizioni in tutto il mondo. L'infrastruttura di inferenza ottimizzata offre tempi di risposta inferiori al secondo.

Supporto Esperto

Team di supporto tecnico dedicato disponibile 24/7. Ottieni aiuto con integrazione, ottimizzazione e risoluzione dei problemi.

Piattaforma API Unificata

Accedi a oltre 400 modelli di IA (LLM, immagine, video, audio) attraverso un'API coerente. Integrazione singola per tutte le tue esigenze di IA.

Prova GLM-4.7 Oggi

Inizia a sviluppare con il modello open source di programmazione e ragionamento più avanzato. Disponibile tramite API o distribuzione open source.

Finestra di contesto da 200K per compiti complessi

Meccanismi di pensiero avanzati

Modello open source classificato #1

GLM 4.7 API by ZHIPUAI

Parametri

Esempio di codice

Installa

Autenticazione

Header HTTP

Invia una richiesta

Schema di input

Esempio di corpo della richiesta

Schema di output

Esempio di risposta

Atlas Cloud Skills

Client supportati

Installa

Configura chiave API

Funzionalità

Server MCP

Client supportati

Installa

Configurazione

Strumenti disponibili

GLM-4.7 - LLM Avanzato per Codifica e Ragionamento

Benchmark delle Prestazioni

Capacità Principali

Eccellenza nella Codifica

Ragionamento Complesso

Programmazione Creativa

Perfetto Per

Specifiche Tecniche

Domande Frequenti

Cosa rende GLM-4.7 diverso dagli altri LLM?

Come si confronta GLM-4.7 con GPT-4 e Claude?

Posso usare GLM-4.7 in framework di agenti di codifica?

Quali sono la finestra di contesto e la capacità di output di GLM-4.7?

Come posso accedere a GLM-4.7 tramite API?

Devo distribuire GLM-4.7 da solo?

Perché scegliere Atlas Cloud per GLM-4.7?

Prezzi Competitivi

SLA di uptime del 99,9%

Certificato SOC 2 Type II

Risposta Ultra-Veloce

Supporto Esperto

Piattaforma API Unificata

Prova GLM-4.7 Oggi

Esplora Modelli Simili

GLM 5.3 Flash

GLM 5.3

GLM 5.2

GLM 5.1

GLM 5v Turbo

GLM 5

GLM 4.6

DeepSeek V4 Pro 0813

Grok 4.6

DeepSeek V4 Flash Vision Exp

DeepSeek V4 Flash 0731

Qwen3.8 27B

Qwen3.8 Max

Kimi K3

Grok 4.5

KAT Coder Air V2.5

Un'unica API per tutta l'IA multimediale.

Parametri

Esempio di codice

Installa

Autenticazione

Header HTTP

Invia una richiesta

Schema di input

Esempio di corpo della richiesta

Schema di output

Esempio di risposta

Atlas Cloud Skills

Client supportati

Installa

Configura chiave API

Funzionalità

Server MCP

Client supportati

Installa