Z.ai
GLM 4.7とオンラインでチャット
Z.ai's fast open-weight coder — reasons before every tool call and keeps that reasoning across the whole job.
200K tokens
コンテキスト
8,192 tokens
最大出力
高速
速度
Straight from GLM 4.7
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.
こんな用途に最適
日常のコーディング
主要言語にわたる高速かつ正確なコード生成とデバッグ。
ツールを使うエージェント
ツール呼び出しのたびに推論し、その思考をタスク全体で保持します。
長時間のセッション
思考が保持されるため、複数ステップの作業も最初から最後まで一貫します。
数学と論理
オリンピアド級の数学と構造化された推論に強い。
Prompts to steal
Tuned to this model — click any line to copy.
GLM 4.7について
GLM 4.7 は Z.ai のオープンウェイト基盤モデルで、2025年12月22日にリリースされました。長時間にわたるタスクサイクル、頻繁なツール呼び出し、そして「それらしい」ではなく「正しい」コードが求められる——そんな実際の開発現場のために設計されています。NinjaChatでは、GLM 4.7はほかのモデルとともにすべてのプランに含まれています。
4.7 を特徴づけているのは、その「考え方」です。Z.ai はこのモデルに、設定を意識せずとも体感できる3つの推論モードを与えました。応答のたび、そしてツール呼び出しのたびに思考を行い、その思考をターンをまたいで保持するため長いセッションでも一貫性が保たれ、さらにターンごとに推論の深さを上下できるので簡単な質問にはすばやく答えます。結果として、複数ステップの作業でも脱線せず、安定して振る舞うモデルになっています。
コーディング能力は本物です。Z.ai の報告によれば、SWE-bench Verified で 73.8%、対話型ツール利用ベンチマークである τ²-Bench で 87.4% を記録し、リリース時点でオープンモデル中の最高スコアとなりました。数学では AIME 2025 で 95.7% です。実際の利用では、存在しない API のでっち上げが少なく、差分がすっきりし、ツールを呼び出して返ってきた結果を読み取る場面での挙動が優れている、という形で表れます。
GLM 4.7 は NinjaChat 上で約 200K トークンのコンテキストを扱えます。それなりの規模のコードベースや長い資料一式をまとめて渡せる容量であり、しかも高速です。だからこそ多くの人が普段使いのモデルとして手元に置き、必要なときだけより重いモデルに切り替えています。ファミリー内では GLM 5 と GLM 5.2 が上位に位置し、4.7 は実用的な中間層。ウェイトは公開されているので、自分で動かすこともできます。
「すぐ開いて使える GLM チャット」を探していたなら、これがその答えです。順番待ちも、別アプリも不要。
GLM 4.7の使い方
ゼロから最初の結果まで、1分もかかりません。
01
NinjaChatのアカウントを作成し、プランを選ぶ
02
チャットを開き、モデル一覧から GLM 4.7 を選ぶ
03
コード、リファクタリング、段階的な分析を依頼する
04
タスクは1つのスレッドにまとめる。思考がターンをまたいで引き継がれます
05
より深い検討が必要な問題では GLM 5.2 や Claude に切り替える
より良い結果を得るためのヒント
- エラー出力はそのまま貼り付けを。根拠からデバッグします
- 事実に依存する答えが必要なときは、ツール利用や検索を指示する
- 動作が速いので、巨大なプロンプト1つより小さなステップで反復を
- 重い推論が必要なときは、そのターンで長く考えるよう伝える
