GLM-4.7
- 输入 输入模态: 文本 输出 输出模态: 文本
- 推理
- 可关闭推理
- 工具调用
- 结构化输出
- 开放权重
价格
2 个渠道报价 · 按标价显示 Z.ai API（在新标签页打开）
glm-4.7| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 提示超过 32K tokens | ¥4.00 | ¥0.80 | ¥16.00 |
价格来源 智谱 BigModel：API 定价（在新标签页打开） (核对于 2026年11月2日)
Z.ai API（在新标签页打开）
glm-4.7| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $0.60 | $0.11 | $2.20 |
价格来源 Pricing（在新标签页打开） (核对于 2026年11月1日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 知识截止
- 2025年4月
- 许可证
- mit
- 模型家族
- glm
- 模型 ID
Zhipu AI 的页面未说明：最长输入, 推理档位, 最大思考预算, 内置工具, 别名。
本地运行
权重： zai-org/GLM-4.7- 参数 358.3B
- 激活 39.2B （估算） · 专家 160（每 token 8）
- 原生精度 BF16
- 层数 92
- 每 token 的 KV 缓存 368 KB
- 配置位置数 198K （config.json max_position_embeddings）
- API 上下文 195K （厂商 API）
在你的配置上 · GeForce RTX 4090
✕放不下 IQ4_XS （自动） 8K 上下文
权重KV 缓存运行开销可用上限
- 需要
- ≈ 189.0 GB (权重 177.3 + KV 缓存 2.9 + 开销 8.9)
- 可用
- 21.6 GB (标称的 90%)
- 建议
- 这台配置跑不动，看下面的“最低需要”
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 667.5 GB | ≈ 703.7 | ✕放不下 | — |
| Q8_0 | 354.6 GB | ≈ 375.2 | ✕放不下 | — |
| FP8官方 | 337.2 GB | ≈ 356.9 | ✕放不下 | — |
| Q6_K | 274.1 GB | ≈ 290.7 | ✕放不下 | — |
| Q5_K_M | 237.4 GB | ≈ 252.1 | ✕放不下 | — |
| Q5_0 | 229.4 GB | ≈ 243.8 | ✕放不下 | — |
| Q4_K_M | 202.7 GB | ≈ 215.8 | ✕放不下 | — |
| Q4_0 | 187.7 GB | ≈ 200.0 | ✕放不下 | — |
| IQ4_XS | 177.3 GB | ≈ 189.0 | ✕放不下 | — |
| Q3_K_M质量下降明显 | 163.1 GB | ≈ 174.1 | ✕放不下 | — |
| IQ3_XXS质量下降明显 | 127.7 GB | ≈ 136.9 | ✕放不下 | — |
| Q2_K质量下降明显 | 125.1 GB | ≈ 134.3 | ✕放不下 | — |
| IQ2_XXS质量下降明显 | 85.9 GB | ≈ 93.1 | ✕放不下 | — |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：单张显卡放不下；统一内存 Apple M5 Ultra (80-core GPU) · 512 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 5343.4 GB你的配置放不下
LoRA≈ 672.3 GB你的配置放不下
QLoRA≈ 192.5 GB你的配置放不下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得- Epoch Capabilities Index 143.2
第 87 名，共 118 个上榜模型 · 置信区间 141.3–145.2
- LMArena Text 1,441
第 61 名，共 163 个上榜模型 · 置信区间 1,435–1,447 · 12,239 票
- Epoch AI · Chess Puzzles 21%
第 59 名，共 85 个上榜模型 · ±4.09
- Epoch AI · GPQA Diamond 83.3%
第 73 名，共 168 个上榜模型 · ±2.37
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · 许可 · 数据日期 2026年11月4日至5日
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · 许可 · 数据日期 2026年10月28日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · 许可 · 数据日期 2026年10月28日
- 我们做的改动
变更
全部变更 →暂无变更记录。
来源
- Pricing（在新标签页打开） docs.z.ai · 核对于 2026年11月1日
- 智谱 BigModel：API 定价（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月2日
- 智谱 BigModel：GLM-4.7（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月1日
- New Released（在新标签页打开） docs.z.ai · 核对于 2026年11月1日
- zai-org/GLM-4.7 model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- models.dev: glm-4.7 (community data, MIT)（在新标签页打开） github.com · 核对于 2026年9月30日
- GLM-4.7（在新标签页打开） docs.z.ai · 核对于 2026年11月5日
- zai-org/GLM-4.7 model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- zai-org/GLM-4.7 model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- zai-org/GLM-4.7 config.json（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- zai-org/GLM-4.7 files（在新标签页打开） huggingface.co · 核对于 2026年11月5日
- zai-org/GLM-4.7-FP8 files（在新标签页打开） huggingface.co · 核对于 2026年11月1日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Zhipu AI · 中国 · z.ai
相关模型
快照、同系列与同厂商的其他模型