Z.ai
GLM 4.7 온라인 채팅
Z.ai's fast open-weight coder — reasons before every tool call and keeps that reasoning across the whole job.
200K tokens
컨텍스트
8,192 tokens
최대 출력
빠름
속도
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.
이럴 때 활용하세요
일상적인 코딩
주요 언어 전반에서 빠르고 정확한 코드 생성과 디버깅.
툴을 쓰는 에이전트
모든 툴 호출 전에 추론하고, 그 추론을 작업 전체에 걸쳐 유지합니다.
긴 세션
추론이 보존되어 여러 단계 작업을 처음부터 끝까지 일관되게 이어갑니다.
수학과 논리
올림피아드 스타일 수학과 구조적 추론에 강합니다.
Prompts to steal
Tuned to this model — click any line to copy.
GLM 4.7 소개
GLM 4.7은 2025년 12월 22일에 공개된 Z.ai의 오픈 웨이트 파운데이션 모델로, 실제 개발 업무를 염두에 두고 만들어졌습니다. 긴 작업 사이클, 잦은 툴 호출, 그럴듯한 코드가 아니라 실제로 동작하는 코드가 필요한 상황을 위한 모델입니다. NinjaChat에서는 GLM 4.7 모델이 다른 모델들과 함께 모든 요금제에 포함됩니다.
4.7을 특별하게 만드는 것은 '생각하는 방식'입니다. Z.ai는 설정할 필요 없이 체감되는 세 가지 추론 모드를 부여했습니다. 응답과 툴 호출을 하기 전마다 추론하고, 그 추론을 대화 턴 전반에 걸쳐 유지해 긴 세션에서도 일관성을 잃지 않으며, 턴마다 추론 강도를 높이거나 낮출 수 있어 간단한 질문에는 빠르게 답합니다. 그 결과 여러 단계로 이어지는 작업에서도 흐트러지지 않고 안정적으로 움직입니다.
코딩 실력은 진짜입니다. Z.ai에 따르면 SWE-bench Verified에서 73.8%, 대화형 툴 사용 벤치마크인 τ²-Bench에서 87.4%를 기록해 출시 시점 기준 오픈 모델 중 최고 점수를 냈고, 수학 부문인 AIME 2025에서는 95.7%를 기록했습니다. 실제로 써 보면 존재하지 않는 API를 지어내는 일이 줄고, diff가 깔끔하며, 툴을 호출하고 그 결과를 읽어 처리하는 과정에서 더 나은 모습을 보입니다.
GLM 4.7은 NinjaChat에서 약 200K 토큰의 컨텍스트를 처리하므로 제법 큰 코드베이스나 긴 문서 묶음도 담을 수 있고, 속도까지 빠릅니다. 그래서 많은 사람이 이 모델을 평소 쓰는 기본 모델로 두고, 필요할 때만 더 무거운 모델로 넘어갑니다. 같은 제품군에서 GLM 5와 GLM 5.2가 그 위에 자리하며, 4.7은 실용적인 중간 지점입니다. 게다가 웨이트가 공개되어 있어 직접 구동해 보는 것도 가능합니다.
그냥 열어서 바로 쓸 수 있는 GLM 채팅을 찾고 있었다면, 바로 여기입니다.
GLM 4.7 사용 방법
1분 안에 첫 결과물까지.
01
NinjaChat 계정을 만들고 요금제를 선택하세요
02
채팅을 열고 모델 목록에서 GLM 4.7을 선택하세요
03
코드 작성, 리팩터링, 단계별 분석을 요청하세요
04
하나의 스레드에서 작업을 이어가세요. 추론이 턴을 넘어 유지됩니다
05
더 깊은 사고가 필요한 문제는 GLM 5.2나 Claude로 넘기세요
더 나은 결과를 위한 팁
- 오류 출력을 그대로 붙여 넣으세요. 근거를 바탕으로 디버깅합니다
- 사실 확인이 필요한 답변이라면 툴 호출이나 검색을 요청하세요
- 속도가 빠르니 거대한 프롬프트 하나보다 작은 단계로 반복하세요
- 깊은 추론이 필요하면 해당 턴에서 더 오래 생각하라고 지시하세요
GLM 4.7 vs 다른 대안들
{model}이 앞서는 부분과 그렇지 않은 부분, 솔직하게 비교합니다.
