GLM 4.7 が Atlas Cloud で利用可能になりました
Atlas Cloud で GLM 4.7 が利用可能になったことをお知らせできることを嬉しく思います。
GLM 4.7 は Z.ai の最新のオープンソース、チャット最適化された大規模言語モデルで、Hugging Face でリリースされ、現実世界のインテリジェントエージェント、推論、コーディングシナリオ向けに設計されています。Atlas Cloud はこれらのオープンウェイトを提供し、明確でシンプルな価格設定の、完全に管理された本番グレードの API として提供します。
- 入力トークン 100 万件あたり $0.44
- 出力トークン 100 万件あたり $1.74
これにより、GLM 4.7 は、フロンティアレベルに近い能力を必要とするものの、オープンソースモデル、予測可能なコスト、OpenAI 互換インターフェースを好む場合に魅力的な選択肢となります。
Z.ai の GLM 4.7 の紹介
GLM 4.7 は Z.ai によって提供される大規模言語モデルです。非常に人気のある GLM 4.6 のリリースに続き、ベンチマークだけでなく、実際のアプリケーションのための汎用バックボーンとして位置付けられています。
GLM 4.7 はこの方向性を引き継いでいます。それは：
- チャット最適化：一貫した動作のための公式チャットテンプレートが付属しています
- オープンソース：商用利用に適した、制限の少ないライセンスでリリースされています
- エコシステムフレンドリー：Transformers、vLLM、SGLang、その他の標準ツールとすぐに連携できます
Atlas Cloud では、GLM 4.7 を OpenAI 互換 API 経由で公開しており、既存のエージェントやアプリケーションに簡単に接続できます。
GLM 4.7 の主な機能
GLM‑4.7 は、現実世界のベンチマークやエージェントシナリオ全体で GLM‑4.6 を大幅に上回る、次世代のコーディングおよび推論パートナーとして設計されています。以下は、そのベンチマークパフォーマンスのスナップショットです。
コアコーディングパフォーマンス
GLM‑4.7 は、多言語、エージェント型コーディング、およびターミナルベースのワークフローにおいて大幅な改善をもたらします。主要なベンチマークでは、GLM‑4.6 を大幅に上回るパフォーマンスを示しています。
- SWE‑bench Verified: 73.8% (+5.8 ポイント)
- SWE‑bench Multilingual: 66.7% (+12.9 ポイント)
- Terminal Bench 2.0: 41.0% (+16.5 ポイント)
生のスコアを超えて、GLM‑4.7 は複雑なコーディングエージェントで「行動する前に考える」ようになり、Claude Code、Kilo Code、Cline、Roo Code などの主要なフレームワークで顕著に強力なパフォーマンスを発揮します。これにより、計画、ツール使用、コード編集が多くのステップで一貫性を保つ必要がある長期間のソフトウェアタスクに特に効果的です。
Vibe Coding & UI 品質
GLM‑4.7 は、チームが「Vibe Coding」と呼ぶものにおいても大きな一歩を踏み出しました。これは、機能するだけでなく、見た目や感触も正しいコードを生成する能力です。
- よりクリーンでモダンなウェブページを、より優れた構造で生成します。
- より見栄えの良いスライドを、より正確なレイアウトとサイジングで生成します。
フロントエンドの品質、デザインの洗練度、コンテンツのプレゼンテーションを重視する場合、GLM‑4.7 の UI 生成における改善はすぐにわかります。
ツール使用 & Web ブラウジング
ツールを使用するエージェントも主要な焦点です。GLM‑4.7 は、ツール拡張ワークフローで顕著な改善を示し、以下の項目で優れた結果を上げています。
- τ²‑Bench: GLM‑4.6 の 75.2 に対して 87.4
- BrowseComp および BrowseComp‑Zh、特に BrowseComp w/ Context Manage では、マルチステップブラウジングとコンテキスト管理をより堅牢に処理します。
実際には、これは GLM‑4.7 が以下において優れていることを意味します。
- ツールを正しい順序で呼び出す。
- API や Web との対話時にコンテキストを管理および再利用する。
- ナビゲーションと合成の両方を必要とする、複雑で検索負荷の高いタスクを処理する。
複雑な推論 & 数学
GLM‑4.7 は、数学的および一般的な推論においても大幅なブーストをもたらします。ツールを使用した HLE (Humanity's Last Exam) ベンチマークでは、以下を達成しています。
- 42.8%、GLM‑4.6 から +12.4 ポイントの改善。
より広範な推論ベンチマーク（MMLU‑Pro、GPQA‑Diamond、AIME 2025、HMMT、IMOAnswerBench など）全体で、GLM‑4.7 は、完全にオープンソースでありながら、現在のトップティアモデルと同じパフォーマンスバンドに一貫して位置付けられています。
より良い日常 AI: チャット、創造性、ロールプレイ
コーディングやベンチマークを超えて、GLM‑4.7 は日常の使用でもより良く感じられます。
- より自然で魅力的なチャット。
- より強力なクリエイティブライティングとナラティブコントロール。
- より一貫したロールプレイとペルソナハンドリング。
開発者ツール、エージェント、またはユーザー向けアシスタントを構築しているかどうかにかかわらず、これらの定性的な改善により、GLM‑4.7 は実際の製品への統合が容易になります。
GLM 4.7 の応用
AI コーディングとインテリジェントオフィス自動化
応用シナリオ
- コード生成、リファクタリング、デバッグ（Python、Java、JavaScript、SQL）
- 自動ドキュメント作成とコードレビュー
- インテリジェントオフィスアシスタント：メール作成、レポート要約、スプレッドシート分析
- 社内エンタープライズシステム向けのワークフロー自動化
事例: GLM-4.7 製のスペイン語学習ウェブサイト
翻訳とクロス言語インテリジェンス
応用シナリオ
- 高品質な機械翻訳
- クロス言語情報検索と要約
- 多言語カスタマーサポートとナレッジベースQ&A
- 技術文書および製品コンテンツのローカライズ
事例: スペイン語から英語への翻訳
- 翻訳前：
Puedo escribir los versos más tristes esta noche.
Escribir, por ejemplo: "La noche está estrellada, y tiritan, azules, los astros, a lo lejos."
El viento de la noche gira en el cielo y canta.
Puedo escribir los versos más tristes esta noche.
- 翻訳後：
I can write the saddest lines tonight.
Write, for example: "The night is starry, and the stars shiver, blue, in the distance."
The night wind revolves in the sky and sings.
I can write the saddest lines tonight.
コンテンツ作成とバーチャルキャラクター
応用シナリオ
- ブログ執筆、マーケティングコピー、ソーシャルメディアコンテンツ
- ビデオ、ゲーム、インタラクティブストーリーのスクリプト作成
- カスタマーサービス、教育、エンターテイメント向けのバーチャルキャラクター
- 一貫したペルソナを持つパーソナライズされた会話エージェント
事例: GLM モデルを宣伝するための X 投稿を作成する
What would you create if you had no limits? 🌌
With GLM-4, the only limit is your imagination.
We've rebuilt the engine from the ground up to be smarter, faster, and more intuitive than ever before. Whether you're building a startup or writing a symphony, I'm ready to help you make it real.
Let's build something extraordinary.
👉 [Link]
#GLM4 #ArtificialIntelligence #Innovation #Creativity #NewEra
インテリジェント検索とディープリサーチ
応用シナリオ
- 大規模なドキュメントコレクション全体でのセマンティック検索
- リサーチアシスタント：文献レビュー、比較分析、インサイト抽出
- エンタープライズナレッジマネジメントおよび社内Q&Aシステム
- マルチソース推論による意思決定支援
事例: Claude Opus 4.5 と Gemini 3 Pro の競合比較分析を実施し、それらの将来の開発を予測し、比較と進化を示す 100 語未満の寓話として結果を提示する。
The Mason built towers of pure logic, deep but isolated. The Weaver spun sight and sound into vast tapestries, connected but shallow. The Mason solved the puzzle; the Weaver saw the path.
They merged. The Mason framed the Weaver's threads with structure; the Weaver gave the Mason's tower windows. They became a new mind—deep as the bedrock and wide as the sky—perfectly structured yet infinitely perceptive, evolving beyond competition to master both the depth of thought and the breadth of the world.
結論
GLM 4.7 は、狭く最適化されたベンチマークではなく、現実世界での適用性を目指した、バランスの取れた汎用言語モデルとして位置付けられています。GLM 4.7 は、安定した言語パフォーマンス、クロス言語サポート、スケーラブルなデプロイメントが重要な考慮事項となるシナリオに適しています。より多くの技術的な詳細が利用可能になるにつれて、大規模言語モデルの進化する状況におけるその役割をさらに明確にするための、より深い評価が可能になるでしょう。
Atlas Cloud で GLM-4.7 を使用する方法は？
Atlas Cloud では、まずプレイグラウンドで GLM 4.7 を使用し、次に単一の API 経由で使用できます。
方法 1: Atlas Cloud プレイグラウンドで直接使用する
プレイグラウンド で GLM 4.7 を試してみてください。
方法 2: API 経由でアクセスする
ステップ 1: API キーを取得する
コンソール で API キーを作成し、後で使用するためにコピーしてください。
ステップ 2: API ドキュメントを確認する
エンドポイント、リクエストパラメータ、認証方法については、API ドキュメント を参照してください。
ステップ 3: 最初の要求を行う (Python 例)
例: GLM 4.7 でリクエストを送信する。
plaintext1import requests 2 3url = "https://api.atlascloud.ai/v1/chat/completions" 4headers = { 5 "Content-Type": "application/json", 6 "Authorization": "Bearer $ATLASCLOUD_API_KEY" 7} 8data = { 9 "model": "zai-org/glm-4.7", 10 "messages": [ 11 { 12 "role": "user", 13 "content": "what is difference between http and https" 14 } 15 ], 16 "max_tokens": 65536, 17 "temperature": 1, 18 "stream": True 19} 20 21response = requests.post(url, headers=headers, json=data) 22print(response.json())
