GLM-4.7 (et GLM-4.7-Flash)

2025-12-22 · Éditeur : Z.ai · Domaine : Intelligence Artificielle

Z.ai a publié GLM-4.7, modèle ouvert orienté code (73,8 % sur SWE-bench Verified), avec pensée entre les actions, pensée préservée entre les tours et contrôle de la réflexion par tour, sous licence MIT.

Z.ai a publié GLM-4.7, modèle ouvert orienté code (73,8 % sur SWE-bench Verified), avec pensée entre les actions, pensée préservée entre les tours et contrôle de la réflexion par tour, sous licence MIT. ### Contexte Fin 2025, les modèles fermés vedettes sont Gemini 3 Pro, Claude Opus 4.5 et GPT-5.1, et le code agentique reste leur point fort. GLM-4.7 succède à GLM-4.6 trois mois après, avec un objectif explicite de « coding partner ». Le 19 janvier 2026, GLM-4.7-Flash, un MoE 30B-A3B, complète la gamme pour le déploiement léger. ### Ce que le modèle apporte - +5,8 points sur SWE-bench Verified (73,8 contre 68,0) et +12,9 points sur SWE-bench Multilingual (66,7 contre 53,8) face à GLM-4.6. - +16,5 points sur Terminal Bench 2.0 (41,0 contre 24,5) et 42,8 % sur HLE avec outils (+12,4 points). - Interleaved Thinking, ainsi que deux nouveautés : Preserved Thinking (les blocs de réflexion sont conservés d'un tour à l'autre dans les agents de code) et Turn-level Thinking (réflexion activable par tour pour arbitrer latence et précision). - Une qualité d'interface améliorée : pages web plus propres, diapositives mieux dimensionnées. ### Architecture et caractéristiques - Environ 358,3 Md de paramètres au décompte HF (famille GLM-4.5, MoE) ; nombre de paramètres actifs non repris dans la fiche. - Contexte : 200K tokens ; sortie maximale : 128K (documentation API). Modalité : texte. Date de coupure : non communiquée. - GLM-4.7-Flash : MoE 30B-A3B (31,2 Md au décompte HF), 200K de contexte. - Licence : MIT. Poids : zai-org/GLM-4.7, GLM-4.7-FP8, GLM-4.7-Flash. Pas de rapport dédié : renvoi vers arXiv 2508.06471. ### Coût et accès | Modèle (API Z.ai, tarif courant) | Entrée /M | Sortie /M | Cache /M | |---|---|---|---| | GLM-4.7 | 0,6 USD | 2,2 USD | 0,11 USD | | GLM-4.7-FlashX | 0,07 USD | 0,4 USD | 0,01 USD | | GLM-4.7-Flash | Gratuit | Gratuit | Gratuit | Auto-hébergement : vLLM et SGLang (branches principales à la publication) ; matériel requis non communiqué. ### Benchmarks | Benchmark | GLM-4.7 | Claude Sonnet 4.5 | GPT-5-High | GPT-5.1-High | Gemini 3.0 Pro | |---|---|---|---|---|---| | SWE-bench Verified | 73,8 | 77,2 | 74,9 | 76,3 | 76,2 | | Terminal Bench 2.0 | 41,0 | 42,8 | 35,2 | 47,6 | 54,2 | | GPQA-Diamond | 85,7 | 83,4 | 85,7 | 88,1 | 91,9 | | AIME 2025 | 95,7 | 87,0 | 94,6 | 94,0 | 95,0 | | HLE avec outils | 42,8 | 32,0 | 35,2 | 42,7 | 45,8 | | τ²-Bench | 87,4 | 87,2 | 82,4 | 82,7 | 90,7 | | BrowseComp | 52,0 | 24,1 | 54,9 | 50,8 | - | Source : fiche modèle Hugging Face de GLM-4.7, scores publiés et mesurés par l'éditeur. ### Face aux modèles fermés Dans le tableau de l'éditeur, GLM-4.7 est légèrement sous GPT-5-High sur SWE-bench Verified (73,8 contre 74,9) mais devant lui sur HLE avec outils (42,8 contre 35,2), τ²-Bench (87,4 contre 82,4) et Terminal Bench 2.0 (41,0 contre 35,2). Il reste derrière Gemini 3.0 Pro sur 5 des 6 lignes comparables (par exemple 76,2 contre 73,8 sur SWE-bench Verified et 54,2 contre 41,0 sur Terminal Bench 2.0), sauf AIME 2025 (95,7 contre 95,0), et derrière GPT-5.1-High sur Terminal Bench 2.0 (47,6). La comparaison inclut aussi Claude Sonnet 4.5, en avance en code (77,2 sur SWE-bench Verified). Le prix API (0,6 USD entrée, 2,2 USD sortie) et la licence MIT sont les points différenciants ; l'écart de score en code agentique avec la tête du classement fermé reste de 2 à 13 points sur ces lignes. ### À retenir GLM-4.7 réduit l'écart de code avec les modèles fermés de fin 2025 sans le supprimer. Le Preserved Thinking, utile dans les agents de code longs, est la nouveauté d'usage principale.

Tags : LLM, Open Source, Z.ai, Zhipu AI, GLM, MIT, MoE, Code