z-ai
Z.ai: GLM 4.7
z-ai/glm-4.7
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
GLM-4.7 (z-ai/glm-4.7) es el modelo insignia de Z.ai, solo de texto, distribuido con licencia MIT y listado en el catálogo de OpenRouter con una ventana de contexto de unos 200 000 tokens, además de llamadas a herramientas y salidas estructuradas. La documentación del proveedor lo presenta como una versión centrada en programación, con mejoras declaradas sobre GLM-4.6 en codificación agéntica, tareas de terminal, uso de herramientas y razonamiento, e incluye modos de pensamiento intercalado, preservado y por turno. La mayoría de las cifras provienen del proveedor; conviene validarlas en tus propias cargas de trabajo.[1][2]
Puntos fuertes
- Mejoras reportadas por el proveedor en codificación agéntica y multilingüe y en tareas de terminal frente a GLM-4.6, presentadas como el enfoque principal del modelo.[2]
- Controles de pensamiento: razonamiento intercalado antes de cada acción, conservación del razonamiento entre turnos para ejecuciones largas y activación por turno para equilibrar latencia y precisión.[2]
- El catálogo de OpenRouter lista llamadas a herramientas, salidas estructuradas, razonamiento activado por defecto y una ventana de contexto de unos 200 000 tokens.[1]
Limitaciones
- Solo se listan entrada y salida de texto; este paquete de fuentes no documenta capacidades de visión, audio ni imágenes.[1]
- La evidencia se limita al catálogo de OpenRouter y a la ficha propia de Z.ai; los resultados son reportados por el proveedor y el corte de conocimiento, la seguridad y la latencia real no están verificados, por lo que conviene validar con cargas propias.[1][2]
- El despliegue local requiere actualmente versiones nightly o de la rama principal de vLLM o SGLang según la documentación del proveedor, lo que puede aumentar el esfuerzo operativo.[2]
Dónde utilizarlo
- Flujos de programación agéntica y de terminal en marcos como Claude Code, Cline o Roo Code, el enfoque declarado por el proveedor; realiza una prueba piloto antes de adoptarlo.[2]
- Agentes de múltiples pasos y largo horizonte que usan herramientas, donde el razonamiento preservado entre turnos podría mejorar la coherencia.[2]
- Generación de interfaces, páginas web y diapositivas, lo que el proveedor llama vibe coding, además de chat general o escritura creativa según su documentación.[2]
Fuentes
- [1] OpenRouter catalog · Z.ai: GLM 4.7Fuentes consultadas: 13 nov 2026
- [2] Model documentation · Z.ai: GLM 4.7Fuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
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...
Especificaciones
- ID del modelo
- z-ai/glm-4.7
- ID canónico
- z-ai/glm-4.7-20251222
- Creador
- z-ai
- Añadido a OpenRouter
- 22.12.2025
- Longitud de contexto
- 204,800
- Modalidad
- text->text
- Modalidades de entrada
- text
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.600 / salida $2.2
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | Sin medición | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | — |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 45.3 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 55.8% · posición 34 | 1,097Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 45.1% · posición 38 | 1,027Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 35.8% · posición 33 | 1,058Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 48.9% · posición 40 | 1,099Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 54.3% · posición 60 | 1,173Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 48.2% · posición 36 | 1,160Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 54.8% · posición 61 | 1,207Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 51.2% · posición 63 | 1,193Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 55.2% · posición 65 | 1,179Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 54.3% · posición 56 | 1,133Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 51.1% · posición 67 | 1,190Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 55.3% · posición 60 | 1,218Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| DeepInfrafp4 | 202,752 | $0.320 | $1.4 | — | — | — |
| DeepInfrafp4 | 202,752 | $0.400 | $1.75 | — | — | 100% |
| Venicefp4 | 198,000 | $0.400 | $1.93 | — | — | — |
| Novitafp8 | 204,800 | $0.600 | $2.2 | — | — | 100% |
| Z.AIfp4 | 202,752 | $0.600 | $2.2 | — | — | 100% |
| Mancer 2fp4 | 131,072 | $0.700 | $2.5 | — | — | 100% |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.