Z.ai
Z.ai's fast open-weight coder — reasons before every tool call and keeps that reasoning across the whole job.
200K tokens
कॉन्टेक्स्ट
8,192 tokens
अधिकतम आउटपुट
तेज़
गति
Three prompts, three unedited answers, generated on September 2, 2026 through NinjaChat. Click the prompt to copy it and run it yourself.
Write a Python function that merges overlapping intervals, plus three short tests. Keep the whole answer under 40 lines of code.
def merge_intervals(intervals):
if not intervals:
return []
intervals.sort(key=lambda x: x[0])
merged = [intervals[0]]
for current in intervals[1:]:
last = merged[-1]
if current[0] <= last[1]:
last[1] = max(last[1], current[1])
else:
merged.append(current)
return merged
# Tests
assert merge_intervals([[1,3],[2,6],[8,10],[15,18]]) == [[1,6],[8,10],[15,18]]
assert merge_intervals([[1,4],[4,5]]) == [[1,5]]
assert merge_intervals([]) == []
Read: We ran the same 3 prompts on 12 AI models — Unedited answers, latency and price for every model, measured through the NinjaChat API in September 2026.
Served by DeepInfra as glm-4.7. Answers vary run to run; these are one take each, not the best of several.
प्रमुख भाषाओं में तेज़, सटीक कोड जनरेशन और डिबगिंग।
हर टूल कॉल से पहले रीज़निंग, जो पूरे टास्क में बनी रहती है।
सुरक्षित रखी गई सोच मल्टी-स्टेप काम को शुरू से आख़िर तक सुसंगत रखती है।
ओलंपियाड-स्तर के गणित और संरचित रीज़निंग में मज़बूत।
Tuned to this model — click any line to copy.
GLM 4.7, Z.ai का ओपन-वेट फ़ाउंडेशन मॉडल है, जो 22 दिसंबर 2025 को रिलीज़ हुआ और असली डेवलपमेंट काम के लिए बनाया गया है: लंबे टास्क साइकल, बार-बार टूल का इस्तेमाल, और ऐसा कोड जो सिर्फ़ सही-सा दिखने के बजाय वाकई सही हो। NinjaChat पर GLM 4.7 बाकी सभी मॉडलों के साथ हर प्लान में शामिल है।
4.7 को खास बनाता है इसका सोचने का तरीका। Z.ai ने इसे तीन रीज़निंग मोड दिए हैं जिन्हें आप सेट नहीं करते, बस महसूस करते हैं: यह हर जवाब और हर टूल कॉल से पहले सोचता है, उस सोच को अगले टर्न तक बनाए रखता है ताकि लंबा सेशन सुसंगत रहे, और हर टर्न पर रीज़निंग को कम-ज़्यादा कर सकता है ताकि छोटे सवाल तेज़ी से निपटें। नतीजा यह कि मल्टी-स्टेप काम में मॉडल भटकने के बजाय स्थिर बना रहता है।
यह वाकई एक मज़बूत कोडर है। Z.ai के मुताबिक इसने SWE-bench Verified पर 73.8% और इंटरैक्टिव टूल-यूज़ बेंचमार्क τ²-Bench पर 87.4% स्कोर किया — रिलीज़ के समय किसी भी ओपन मॉडल का सबसे ऊँचा स्कोर — और गणित में AIME 2025 पर 95.7%। व्यवहार में इसका मतलब है कम गढ़े हुए API, साफ़-सुथरे diffs, और टूल कॉल करके उनका जवाब पढ़ने में बेहतर बर्ताव।
NinjaChat पर GLM 4.7 लगभग 200K टोकन का कॉन्टेक्स्ट संभालता है, जो एक बड़े कोडबेस या लंबे दस्तावेज़ों के सेट के लिए काफ़ी है, और यह तेज़ भी है — यही वजह है कि कई लोग इसे रोज़मर्रा का मॉडल बनाकर रखते हैं और ज़रूरत पड़ने पर ही किसी भारी मॉडल पर जाते हैं। इसी परिवार में GLM 5 और GLM 5.2 इससे ऊपर हैं; 4.7 व्यावहारिक बीच का रास्ता है, और इसके वेट्स ओपन हैं, अगर आप कभी इसे खुद चलाना चाहें।
शून्य से पहले नतीजे तक, एक मिनट से भी कम में।
01
NinjaChat अकाउंट बनाएं और एक प्लान चुनें
02
चैट खोलें और मॉडल सूची से GLM 4.7 चुनें
03
कोड, रीफ़ैक्टर या चरण-दर-चरण विश्लेषण माँगें
04
पूरा काम एक ही थ्रेड में रखें; यह अपनी सोच अगले टर्न तक साथ ले जाता है
05
जब समस्या को और गहराई चाहिए, तो GLM 5.2 या Claude पर जाएँ
ईमानदार तुलना — जहाँ {model} जीतता है, और जहाँ नहीं।
रोज़मर्रा की कोडिंग और चैट के लिए ज़्यादा तेज़ और सस्ता
सिस्टम डिज़ाइन और लंबी रीज़निंग में GLM 5.2 ज़्यादा गहराई रखता है
ओपन वेट्स और कम लागत पर मज़बूत टूल-यूज़ स्कोर
लेखन में और व्यापक टूल इकोसिस्टम में Sonnet 5 ज़्यादा परिष्कृत है
टर्न-दर-टर्न बनी रहने वाली सोच और ओपन मॉडलों में सबसे बेहतर टूल-यूज़ नतीजे
DeepSeek V4 बड़ा कॉन्टेक्स्ट विंडो और अलग प्राइसिंग देता है
हर NinjaChat plan में 50+ models, एक पूरा image studio, और वीडियो जनरेशन शामिल है।



एक ही सब्सक्रिप्शन में NinjaChat के सभी मॉडल शामिल हैं, GLM 4.7 भी।