GLM-4.7 Flash

Для GLM-4.7 Flash используйте Chat Completions API.

О модели

GLM-4.7 Flash — компактная модель Z.ai для программирования и агентных задач: MoE с 30 млрд параметров, из них 3 млрд активных. Принимает и возвращает текст.

По данным Z.ai, на SWE-bench Verified набирает 59,2 % против 22,0 % у Qwen3-30B-A3B-Thinking-2507 и 34,0 % у GPT-OSS-20B.

Контекст — 200 000 токенов, как у GLM-4.7. Для многоходовых агентных задач рекомендован режим Preserved Thinking, при котором блоки рассуждений сохраняются между ходами.

Стоимость

Текущая стоимость использования этой модели:

Токены	Стоимость за 1 млн токенов
Входные токены	7₽
Выходные токены	40₽
Чтение из кэша	1₽

Как считается расход

Учитываются все токены
И входные (input), и сгенерированные моделью (output)

Характеристики

Параметр	Значение
Вход	Текст
Выход	Текст
Контекст	200 000 токенов
Максимальный ответ	131 072 токена
Параметры модели	MoE, 30 млрд параметров, 3 млрд активных
Лицензия	MIT

Сравнение с соседними моделями

Модель	Вход	Контекст	Максимальный ответ	Параметры	Рассуждения
GLM-4.7	Текст	200 000 токенов	131 072 токена	—	Включены по умолчанию, можно отключить
GLM-4.7 Flash (эта модель)	Текст	200 000 токенов	131 072 токена	30 млрд, 3 млрд активных	Режим Preserved Thinking
GLM-4.5	Текст	128 000 токенов	96 000 токенов	355 млрд, 32 млрд активных	Гибридные: с рассуждениями и без них

Бенчмарки

Бенчмарк	Результат	Условия
SWE-bench Verified	59,2 %	temperature 0,7, top_p 1,0, до 16 384 токенов на ответ
AIME 2025	91,6 %	temperature 1,0, top_p 0,95, до 131 072 токенов на ответ
GPQA	75,2 %	temperature 1,0, top_p 0,95, до 131 072 токенов на ответ
τ²-Bench	79,5 %	temperature 0, до 16 384 токенов на ответ
BrowseComp	42,8 %	temperature 1,0, top_p 0,95, до 131 072 токенов на ответ

API

Эндпоинт

http

POST https://api.akashilab.ru/v1/chat/completions

Текстовый запрос

import osfrom openai import OpenAIclient = OpenAI(    api_key=os.environ["DSLAB_API_KEY"],    base_url="https://api.akashilab.ru/v1",)response = client.chat.completions.create(    model="glm-4.7-flash",    messages=[        {"role": "system", "content": "Отвечай кратко и по делу."},        {"role": "user", "content": "Объясни, что такое идемпотентность."},    ],)print(response.choices[0].message.content)

Параметры

Параметр	Тип	По умолчанию	Описание
model	string	обязательный	ID модели: glm-4.7-flash.
messages	array	обязательный	История диалога. content — строка.
max_tokens	integer	—	Максимальный ответ в токенах, до 131 072.
stream	boolean	false	Потоковый ответ.
tools	array	—	Ваши функции: type function, name, description и parameters (JSON Schema).

Важно знать

Z.ai рекомендует temperature 1,0 и top_p 0,95 для большинства задач; для SWE-bench Verified и Terminal Bench — temperature 0,7 и top_p 1,0, для τ²-Bench — temperature 0.
Модель принимает только текст: блоки image_url для неё не поддерживаются.