GLM 4.7

• GPQA DiamondQuestions à choix multiples très difficiles en biologie, physique et chimie, rédigées par des docteurs. Répondre au hasard donne 25 %.83.3%n°59 sur 116
• Maths AIMEProblèmes de mathématiques de niveau concours, dans le style de l’AIME américain. Part des problèmes résolus.83.3%n°62 sur 112
• SimpleQA VerifiedQuestions factuelles courtes. Mesure à quelle fréquence le modèle donne le bon fait au lieu d’inventer.32.2%n°51 sur 69

Données de benchmarks : Epoch AI, sous licence CC BY 4.0

Entreprises qui proposent ce modèle via une API : 7. Prix par million de tokens, du moins cher au plus cher.

Les disponibilités et les prix proviennent de l’API publique d’OpenRouter et sont actualisés chaque jour. La disponibilité correspond à la part de requêtes réussies sur les dernières 24 heures. Certains fournisseurs utilisent une version compressée des modèles ouverts (fp8, int4), moins chère mais parfois un peu moins précise.

Appelez GLM 4.7 via l’API d’OpenRouter, compatible avec celle d’OpenAI : créez une clé sur openrouter.ai, puis lancez l’un de ces exemples.

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "z-ai/glm-4.7", "messages": [{"role": "user", "content": "Bonjour ! Que sais-tu faire ?"}]}'

import os
from openai import OpenAI

client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key=os.environ["OPENROUTER_API_KEY"])
reply = client.chat.completions.create(
    model="z-ai/glm-4.7",
    messages=[{"role": "user", "content": "Bonjour ! Que sais-tu faire ?"}],
)
print(reply.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://openrouter.ai/api/v1", apiKey: process.env.OPENROUTER_API_KEY });
const reply = await client.chat.completions.create({
  model: "z-ai/glm-4.7",
  messages: [{ role: "user", content: "Bonjour ! Que sais-tu faire ?" }],
});
console.log(reply.choices[0].message.content);

Le même code fonctionne avec tous les modèles de ce site : seul l’identifiant du modèle change. Beaucoup de laboratoires proposent aussi leur propre API et leur SDK.

• 1 000 réponses de chatbot

  ≈ 500 tokens en entrée, 300 en sortie chacune
  0,96 $US
• Résumer un document de 100 pages

  ≈ 50 000 tokens en entrée, 1 000 en sortie
  0,032 $US
• Une appli à 10 000 requêtes par jour pendant un mois

  ≈ 1 000 tokens en entrée, 400 en sortie chacune
  444 $US

Calculateur de coût →

• Simon Willison29 sept. 2026Traduit de l’anglais

  Citation de l'équipe rouge frontière Anthropic

• ABC Tecnología18 sept. 2026es

  ¿Quién puede permitirse frenar la IA?: el miedo a la extinción como estrategia de mercado

Combien coûte GLM 4.7 ?

Via l’API, GLM 4.7 coûte 0,60 $US par million de tokens en entrée et 2,20 $US par million de tokens en sortie. Par exemple, 1 000 réponses de chat d’environ 500 tokens en entrée et 300 en sortie coûtent environ 0,96 $US.

Quelle est la fenêtre de contexte de GLM 4.7 ?

GLM 4.7 peut lire jusqu’à 204 800 tokens en une seule requête, soit environ 384 pages de texte. Il peut rédiger jusqu’à 131 072 tokens en une seule réponse.

GLM 4.7 est-il open source ?

Oui. Ses poids sont publiés (zai-org/GLM-4.7) : vous pouvez le télécharger et l’exécuter sur votre propre matériel, ou l’utiliser via l’un des 7 fournisseurs d’API.

Qui a créé GLM 4.7 ?

GLM 4.7 est développé par Z.ai (Zhipu). Il est disponible via l’API depuis le 22 décembre 2025.

GLM 4.7 est-il performant ?

GLM 4.7 obtient un indice général de 143,5 aux tests indépendants d’Epoch AI, soit le n° 81 sur 136 modèles suivis.

GLM 4.7 peut-il lire des images ?

Non. GLM 4.7 n’accepte que du texte en entrée.

Quelles sont les alternatives à GLM 4.7 ?

Parmi les modèles d’autres entreprises à prix comparable : Nemotron 3 Ultra, Palmyra X5 et Kimi K2.6. Vous pouvez les comparer côte à côte sur cette page.