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, Z.ai tarafından geliştirilmiştir. Atlas Cloud (Atlas Cloud AI LLC tarafından işletilmektedir) modele erişim sağlar; modelin sahibi değildir. Tüm ticari markalar ilgili sahiplerine aittir.

Parametreler

Kod örneği
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)

Kurulum

Programlama diliniz için gerekli paketi kurun.

pip install requests

Kimlik Doğrulama

Tüm API istekleri, API anahtarı ile kimlik doğrulama gerektirir. API anahtarınızı Atlas Cloud kontrol panelinden alabilirsiniz.

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

HTTP Başlıkları

import os

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

API anahtarınızı güvende tutun

API anahtarınızı asla istemci tarafı kodunda veya herkese açık depolarda ifşa etmeyin. Bunun yerine ortam değişkenleri veya arka uç proxy kullanın.

İstek gönder

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())

Input Schema

İstek gövdesinde aşağıdaki parametreler kabul edilir.

Toplam: 14Zorunlu: 2İsteğe Bağlı: 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

Örnek İstek Gövdesi

{
  "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
}

Output Schema

API, ChatCompletion uyumlu bir yanıt döndürür.

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.

Örnek Yanıt

{
  "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, 400'den fazla AI modelini doğrudan AI kodlama asistanınıza entegre eder. Kurmak için tek bir komut, ardından görüntü, video oluşturmak ve LLM ile sohbet etmek için doğal dil kullanın.

Desteklenen İstemciler

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ desteklenen i̇stemciler

Kurulum

npx skills add AtlasCloudAI/atlas-cloud-skills

API Anahtarını Ayarla

API anahtarınızı Atlas Cloud kontrol panelinden alın ve ortam değişkeni olarak ayarlayın.

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

Yetenekler

Kurulduktan sonra, tüm Atlas Cloud modellerine erişmek için AI asistanınızda doğal dil kullanabilirsiniz.

Görüntü OluşturmaNano Banana 2, Z-Image ve daha fazla model ile görüntüler oluşturun.

Video OluşturmaKling, Vidu, Veo vb. ile metin veya görüntülerden videolar oluşturun.

LLM SohbetQwen, DeepSeek ve diğer büyük dil modelleri ile sohbet edin.

Medya YüklemeGörüntü düzenleme ve görüntüden videoya iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/atlas-cloud-skills

MCP Server

Atlas Cloud MCP Server, IDE'nizi Model Context Protocol aracılığıyla 400'den fazla AI modeline bağlar. Herhangi bir MCP uyumlu istemci ile çalışır.

Desteklenen İstemciler

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ desteklenen i̇stemciler

Kurulum

npx -y atlascloud-mcp

Yapılandırma

Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.

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

Mevcut Araçlar

atlas_generate_imageMetin istemlerinden görüntüler oluşturun.

atlas_generate_videoMetin veya görüntülerden videolar oluşturun.

atlas_chatBüyük dil modelleri ile sohbet edin.

atlas_list_models400'den fazla mevcut AI modelini keşfedin.

atlas_quick_generateOtomatik model seçimi ile tek adımda içerik oluşturma.

atlas_upload_mediaAPI iş akışları için yerel dosyaları yükleyin.

Daha fazla bilgi

github.com/AtlasCloudAI/mcp-server

GLM-4.7 - Gelişmiş Kodlama ve Akıl Yürütme LLM

En Yeni

32 milyar aktif parametre ile toplam 358 milyar parametre

22 Aralık 2025'te Z.ai tarafından yayınlanan GLM-4.7, gerçek geliştirme ortamları için tasarlanmış yeni nesil bir dil modelidir. 358 milyar toplam parametre (32B aktif), 200K bağlam penceresi ve yenilikçi düşünme mekanizmalarıyla Code Arena'da açık kaynak modeller arasında 1 numarada yer alıyor ve kodlama, akıl yürütme ve araç kullanımı ölçütlerinde çığır açan iyileştirmeler elde ediyor.

358B

Toplam Parametreler

32B

Aktif Parametreler

200K

Bağlam Penceresi

MoE

Mimari

İç İçe Düşünme

Model her yanıt ve araç çağrısından önce düşünür, talimat uyumunu ve üretim kalitesini artırır

Her eylemden önce gelişmiş akıl yürütme
Daha iyi talimat uyumu
Yerleşik doğrulama ile daha yüksek kaliteli yanıtlar

Korunmuş Düşünme

Kodlama senaryolarında çok turlu konuşmalarda tüm düşünce bloklarını otomatik olarak korur

Yeniden türetmek yerine mevcut akıl yürütmeyi yeniden kullanır
Turlar arasında bilgi kaybını azaltır
Çok turlu diyaloglarda tutarlılık sağlar

Tur Seviyesi Düşünme

Optimum performans ve maliyet için bir oturum içinde tur başına akıl yürütme kontrolü

Hafif istekler için düşünmeyi devre dışı bırakın
Karmaşık görevler için düşünmeyi etkinleştirin
Hız ve doğruluk arasında denge kurun

Gelişmiş Araç Kullanımı

Araç kullanımı ve web tarama yeteneklerinde önemli iyileştirmeler

τ²-Bench'te 87,4 (açık kaynak arasında en yüksek)
BrowseComp aracılığıyla daha iyi web tarama
Gelişmiş etkileşimli araç kullanımı

Performans Ölçütleri

GLM-4.7, birden fazla endüstri standardı ölçütte en ileri sonuçlara ulaşır

SWE-bench

Kodlama

73.8%+5.8%

Kod anlama ve üretme gerektiren gerçek dünya yazılım mühendisliği görevleri

SWE-bench Çok Dilli

Kodlama

66.7%+12.9%

Farklı programlama dillerinde çok dilli aracı kodlama

Terminal Bench 2.0

Terminal

41%+16.5%

Terminal tabanlı görevler ve komut satırı işlemleri

HLE (İnsanlığın Son Sınavı)

Akıl Yürütme

42.8%+12.4%

Karmaşık matematiksel ve akıl yürütme zorlukları

τ²-Bench

Araç Kullanımı

87.4#1

Etkileşimli araç kullanımı değerlendirmesi

Code Arena

Genel

#1Açık kaynak ve Çin modelleri arasında

1M+ katılımcı ile büyük ölçekli kör değerlendirme

Temel Yetenekler

💻

Kodlama Mükemmelliği

Çok dilli aracı kodlama ve yazılım geliştirmede endüstri lideri performans

SWE-bench'te %73,8 (+%5,8 iyileştirme)
SWE-bench Çok Dilli'de %66,7 (+%12,9)
LiveCodeBench V6'da 84,9 (Claude Sonnet 4.5'i geçer)

🧠

Karmaşık Akıl Yürütme

Matematiksel ve karmaşık akıl yürütme görevlerinde önemli iyileştirmeler

HLE ölçütünde %42,8 (+%12,4 iyileştirme)
Gelişmiş matematiksel problem çözme
İleri düzey mantıksal akıl yürütme yetenekleri

🎨

Vibe Coding

UI/UX üretim kalitesi ve tasarım estetiğinde büyük iyileştirmeler

Daha temiz, daha modern web sayfası tasarımları
Daha iyi görünen sunu slaytları
Hassas düzen ve boyut kontrolü

İdeal Kullanım Alanları

👨‍💻

Kodlama Aracıları ve IDE'ler

🔧

Geliştirme İş Akışları

🤖

AI Asistanları

🧪

Araştırma ve Eğitim

🎯

Karmaşık Problem Çözme

📊

Veri Analizi

Teknik Özellikler

Toplam Parametreler358 Milyar

Aktif Parametreler32 Milyar

Bağlam Penceresi200K token

Çıktı Kapasitesi128K token

MimariUzmanlar Karışımı (MoE)

Yayın Tarihi22 Aralık 2025

GeliştiriciZ.ai (eski adıyla Zhipu AI)

LisansAçık Kaynak

Sık Sorulan Sorular

GLM-4.7'yi diğer büyük dil modellerinden farklı kılan nedir?

GLM-4.7, İç İçe Düşünme, Korunmuş Düşünme ve Tur Seviyesi Düşünme dahil olmak üzere gelişmiş düşünme mekanizmaları sunar. Bu özellikler, modelin konuşmalar boyunca tutarlılığı korumasını, daha etkili akıl yürütmesini ve kullanıcılara performans ve maliyet dengeleri üzerinde ayrıntılı kontrol sağlar.

GLM-4.7, GPT-4 ve Claude ile nasıl karşılaştırılır?

GLM-4.7, Code Arena'da açık kaynak ve Çin modelleri arasında 1 numarada yer alıyor. LiveCodeBench V6'da 84,9 elde ederek Claude Sonnet 4.5'i geçiyor ve kodlama, akıl yürütme ve araç kullanımı ölçütlerinde önemli iyileştirmeler gösteriyor.

GLM-4.7'yi kodlama aracısı çerçevelerinde kullanabilir miyim?

Evet! GLM-4.7 artık Claude Code, Kilo Code, Roo Code ve Cline dahil olmak üzere popüler kodlama aracılarında kullanılabilir. Daha uzun görev döngüleri, sık araç kullanımı ve daha yüksek kararlılık ve tutarlılık gereksinimleri olan geliştirme ortamları için optimize edilmiştir.

GLM-4.7'nin bağlam penceresi ve çıktı kapasitesi nedir?

GLM-4.7, 128K çıktı kapasitesine sahip 200K tokenlik bir bağlam penceresine sahiptir. MoE mimarisi, 32 milyar aktif parametre ile 358 milyar toplam parametre kullanarak büyük hesaplama kaynakları gerektirmeden mükemmel performans sunar.

API'ler aracılığıyla GLM-4.7'ye nasıl erişebilirim?

GLM-4.7, Atlas Cloud'un birleşik API'si aracılığıyla kullanılabilir. Bu modele erişmek için standart OpenAI uyumlu API uç noktalarımızı kullanmanız yeterlidir. Entegrasyon kılavuzları ve kod örnekleri için API belgelerimize bakın. Model ayrıca kendi kendine barındırma için açık kaynak sürüm olarak da mevcuttur.

GLM-4.7'yi kendim dağıtmam gerekiyor mu?

Dağıtım gerekmez! Atlas Cloud, birleşik API'miz aracılığıyla kullanıma hazır GLM-4.7 sağlar. Tüm altyapı, ölçeklendirme ve optimizasyonu biz hallediyoruz, böylece siz uygulamalarınızı oluşturmaya odaklanabilirsiniz. Modele anında erişmek için sadece API çağrıları yapın.

GLM-4.7 için neden Atlas Cloud'u seçmelisiniz?

Tam yönetilen GLM-4.7 API hizmetimizle kurumsal düzeyde güvenilirlik, güvenlik ve maliyet verimliliği deneyimleyin.

Rekabetçi Fiyatlandırma

Şeffaf maliyetlerle kullandıkça öde fiyatlandırması. Gizli ücret yok, minimum taahhüt yok. Ücretsiz başlayın.

%99,9 Çalışma Süresi SLA

Maksimum güvenilirlik için otomatik yük devretme, yük dengeleme ve 7/24 izleme ile kurumsal düzey altyapı.

SOC 2 Type II Sertifikalı

SOC 2 Type II sertifikası ile kurumsal düzey güvenlik. Verileriniz aktarım sırasında ve beklemede endüstri lideri güvenlik standartlarıyla şifrelenir.

Yıldırım Hızında Yanıt

Dünya çapında konumlara sahip küresel CDN. Optimize edilmiş çıkarım altyapısı bir saniyenin altında yanıt süreleri sunar.

Uzman Desteği

7/24 erişilebilir özel teknik destek ekibi. Entegrasyon, optimizasyon ve sorun giderme konularında yardım alın.

Birleşik API Platformu

Tutarlı bir API aracılığıyla 400+ AI modeline (LLM, görüntü, video, ses) erişin. Tüm AI ihtiyaçlarınız için tek entegrasyon.

GLM-4.7'yi Bugün Deneyimleyin

En gelişmiş açık kaynak kodlama ve akıl yürütme modeliyle oluşturmaya başlayın. API veya açık kaynak dağıtımı aracılığıyla kullanılabilir.

Karmaşık görevler için 200K bağlam penceresi

Gelişmiş düşünme mekanizmaları

1 numara açık kaynak model

GLM 4.7 API by ZHIPUAI

Parametreler

Kod örneği

Kurulum

Kimlik Doğrulama

HTTP Başlıkları

İstek gönder

Input Schema

Örnek İstek Gövdesi

Output Schema

Örnek Yanıt

Atlas Cloud Skills

Desteklenen İstemciler

Kurulum

API Anahtarını Ayarla

Yetenekler

MCP Server

Desteklenen İstemciler

Kurulum

Yapılandırma

Mevcut Araçlar

GLM-4.7 - Gelişmiş Kodlama ve Akıl Yürütme LLM

Performans Ölçütleri

Temel Yetenekler

Kodlama Mükemmelliği

Karmaşık Akıl Yürütme

Vibe Coding

İdeal Kullanım Alanları

Teknik Özellikler

Sık Sorulan Sorular

GLM-4.7'yi diğer büyük dil modellerinden farklı kılan nedir?

GLM-4.7, GPT-4 ve Claude ile nasıl karşılaştırılır?

GLM-4.7'yi kodlama aracısı çerçevelerinde kullanabilir miyim?

GLM-4.7'nin bağlam penceresi ve çıktı kapasitesi nedir?

API'ler aracılığıyla GLM-4.7'ye nasıl erişebilirim?

GLM-4.7'yi kendim dağıtmam gerekiyor mu?

GLM-4.7 için neden Atlas Cloud'u seçmelisiniz?

Rekabetçi Fiyatlandırma

%99,9 Çalışma Süresi SLA

SOC 2 Type II Sertifikalı

Yıldırım Hızında Yanıt

Uzman Desteği

Birleşik API Platformu

GLM-4.7'yi Bugün Deneyimleyin

Benzer Modelleri Keşfedin

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

Tüm Medya Yapay Zekâsı için Tek API.

Parametreler

Kod örneği

Kurulum

Kimlik Doğrulama

HTTP Başlıkları

İstek gönder

Input Schema

Örnek İstek Gövdesi

Output Schema

Örnek Yanıt

Atlas Cloud Skills

Desteklenen İstemciler

Kurulum

API Anahtarını Ayarla

Yetenekler

MCP Server

Desteklenen İstemciler

Kurulum