GLM-4.7 官方基准测试详情
经过多日市场预热，12月22日，智谱AI正式发布了新一代旗舰模型GLM-4.7。此次升级在编程能力和复杂推理能力上取得了重大突破，性能直接对标当前顶尖的闭源模型。消息公布后，迅速引发行业高度关注。
基准测试表现突出
据Z.ai团队披露，GLM-4.7在编程、复杂推理及工具使用等核心能力上均有显著提升，同时在聊天、创意写作和角色扮演场景下的表现也进一步增强。具体来看，多项关键基准测试的结果十分亮眼：
- LMArena代码竞技场（盲测）：在开源模型中排名第一，成功超越GPT-5.2
- LiveCodeBench V6：得分84.8，超过Claude 4.5 Sonnet
- AIME 2025（数学）：表现优于Claude 4.5 Sonnet和GPT-5.1
- 人类终极考试（HLE）：得分42%，相较GLM-4.6提升38%，逼近GPT-5.1水平
- τ²-Bench：在真实世界交互测试中与Claude 4.5 Sonnet持平
LM Arena 代码竞技场盲测结果
在实际开发场景的对比测试中，GLM-4.7在前端任务上以64.6%的胜率领先GLM-4.6，后端任务胜率为46.7%，指令遵循任务胜率为58.3%。这一数据分布表明，新模型在前端交互和指令理解方面进行了最大力度的优化。
技术规格与核心特性
GLM-4.7支持200K上下文窗口，最大输出可达128K tokens，处理速度约为每秒55 tokens。同时，模型进一步优化了交织思维模式，引入了保留思维和回合级思维机制——简单来说，即在执行动作之间进行思考，并保持跨回合的一致性，从而让复杂任务的执行更加稳定、可控。
定价与订阅策略
GLM-4.7已成为GLM Coding Plan的默认模型。该计划提供多种订阅选项，起价为每月3美元，兼容Claude Code、Cursor等十余种编程工具。对开发者而言，这一门槛相对较低。
总结
基准测试数据确实引人注目，部分内测用户反馈，实际编程能力有大幅提升，甚至有人觉得这可能是又一个“deepseek时刻”。不过，也有早期用户的实际测试反馈相对保守——有用户表示，在有限的测试中，GLM-4.7的表现并未明显优于Claude 4.5 Sonnet或GPT-5.2，甚至可能不及Minimax M2.1。客观而言，测试场景和任务类型对结果影响很大，具体表现仍需更多用户实际使用后才能得出结论。
智谱近期密集发布新模型，有用户调侃“GLM-4.6还没熟悉，4.7就来了”。这背后或许与智谱冲刺“中国大模型第一股”的战略有关——智谱AI刚刚宣布将于明年1月在香港进行IPO。值得注意的是，minimax也传出了在港股上市的消息。相比之下，minimax业务更为多元，海外市场影响力更强，拥有超过2.12亿个人用户，覆盖200多个国家和地区，海外市场贡献了超过70%的收入。从这个角度看，智谱加速迭代、频繁动作，显然是在为提升国际影响力铺路。
