Z.ai
在线与 GLM 4.7 聊天
Z.ai's fast open-weight coder — reasons before every tool call and keeps that reasoning across the whole job.
200K tokens
上下文窗口
8,192 tokens
最大输出
快速
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.
你会用它做什么
日常编程
在主流编程语言中快速、准确地生成代码并调试。
工具型智能体
每次调用工具前先推理，并贯穿整个任务始终。
长会话
保留的思考过程让多步骤任务从头到尾保持一致。
数学与逻辑
在竞赛级数学与结构化推理上表现强劲。
Prompts to steal
Tuned to this model — click any line to copy.
关于 GLM 4.7
GLM 4.7 是 Z.ai 的开放权重基础模型，于 2025 年 12 月 22 日发布，专为真实开发工作而生：长任务周期、频繁调用工具，以及必须真正正确、而非看起来合理的代码。在 NinjaChat 上，GLM 4.7 与其他模型一起包含在所有套餐中。
4.7 的独特之处在于它的思考方式。Z.ai 为它设计了三种推理模式，你能直接感受到，而不需要手动配置：它会在每次回复和每次工具调用之前先进行推理；它会把这份推理在多轮对话中保留下来，让长会话始终保持一致；它还能按轮次调高或调低推理强度，让简单问题依然干脆利落。结果就是，在多步骤任务中它表现稳定，不会越走越偏。
它是一位真正过硬的程序员。Z.ai 公布的成绩为：SWE-bench Verified 73.8%，交互式工具调用基准 τ²-Bench 87.4%（发布时在所有开放模型中位列第一），数学方面 AIME 2025 达到 95.7%。在实际使用中，这意味着更少凭空捏造的 API、更干净的 diff，以及在需要调用工具并读取返回结果时更靠谱的表现。
在 NinjaChat 的通道上，GLM 4.7 可处理约 200K tokens 的上下文，足以容纳一个规模不小的代码库或一整套长文档，而且速度很快——这也是许多人把它当作日常主力模型、只在必要时才切换到更重量级模型的原因。在同一家族中，GLM 5 和 GLM 5.2 定位更高；4.7 则是务实的中间选择，而且权重开放，如果你哪天想自己部署也完全可以。
如何使用 GLM 4.7
从零到第一个结果，不到一分钟。
01
创建 NinjaChat 账户并选择套餐
02
打开聊天，从模型列表中选择 GLM 4.7
03
让它写代码、做重构或进行分步分析
04
把任务放在同一个会话里，它会跨轮次延续自己的推理
05
遇到需要更深思考的问题时，切换到 GLM 5.2 或 Claude
获得更好结果的技巧
- 把报错信息原样贴给它，它会依据证据来排查问题
- 当答案依赖事实时，让它调用工具或进行搜索
- 它很快：与其写一个超长提示词，不如小步快跑地迭代
- 需要重度推理时，告诉它在这一轮多想一会儿
