实测GLM-4.7，代码能力超过 Claude Sonnet 4.5 成为开源 SOTA

GLM-4.7 发布还不到两天，X 上已经全是实测帖。

有人拿一段随手拍的游戏录屏，几分钟就换来一个完整可玩、还带音效的小游戏。整个过程生成约 6600 tokens，速度稳稳卡在 16 tok/s，一个小游戏，不到 7 分钟就出来了！

而且不止小游戏。工具调用、Agent 任务这些更复杂的场景里，GLM-4.7 的口碑同样不错：单次对话就能把工具调用全做对~

从这些反馈里能看明白一件事：GLM-4.7 强的不只是生成能力，而是更容易一次把完整任务跑完，很少再要人替它兜底。

GLM-4.7 这次重点补的是 Coding、Agent 和 Reasoning 三块：LiveCodeBench V6 拿下 84.9 分，代码能力压过 Sonnet 4.5，成了最新开源 SOTA；HLE 得分 42.8，比 GLM-4.6 高 38%，还把 GPT-5.1 也超了过去。

今天这篇，我们也上手挑几个场景挨个实测一遍。

 

01. 一手实测:GLM-4.7全面升级

 

眼下 GLM-4.7 已经上线 Z.ai、BigModel 这些平台，在左上角模型选择器里点中 GLM-4.7 就能开测。

网址：https://chat.z.ai

case1 一句话生成PPT

快到年底了，正是PPT需求最旺盛的时候，那就先做个PPT试试：

选输入框下方的 AI PPT 功能，丢进这句提示词：

介绍故宫。

GLM-4.7没有急着动笔，先做多路搜索，把故宫的基本信息、历史背景、建筑特点、主要景点摸了一遍。

光一轮还不够，它不会逮着一篇内容就下结论，而是交叉读取来校验信息，故宫博物院官网、维基百科、故宫相关的文章都会去翻。

与此同时，GLM-4.7 还会同步搜图，给后面的页面配图提前备料。

整套流程看下来，跟我们平时做PPT的路子几乎一模一样：先查资料，再理框架，最后动手做。

不一样的地方在于，这些原本要耗上几个小时的准备工作，GLM-4.7两分钟就干完了。

先看整体概览：

内容思路很清楚：从故宫的历史和背景起头，中间一页一个重点，把建筑特点、主要景点、文物藏品逐个铺开，最后顺势过渡到预约参观的要点，逻辑一气呵成。

设计上走古典优雅路线，跟故宫的文化调性很搭。

最终生成的PPT是这样的：

关键信息给得足，但每页都留了白，讲解时补案例、加自己的理解都有地方放。版式干净，视觉重心基本都压在标题和核心信息上，还配了图帮着理解，整体相当能打。

每页讲什么、哪里配图、哪里要突出，GLM-4.7都替你排好了。AI做PPT最让人省心的，就是这个劲儿。

GLM-4.7不光审美在线，还预置了商业、设计、教育、营销、技术这些PPT模板，场景选对，效果就差不了。

case2 PPT设计模板

不少人用 AI 做 PPT，第一关就卡在提示词上：想要效果高级、可控，提示词往往得写得细如论文，难度劝退。

z.ai 的解法很直接——把常见场景做成模板：商业、设计、教育、营销、技术。选对场景，成片就不会跑偏。

比如我先让 GLM-4.7 写了一份海绵宝宝视角的年终总结文字稿，然后拿这份稿子去生成PPT。

提示词：请将我提供的年终工作总结内容，整理生成一份面向公司管理层的年终总结 PPT，结构清晰，突出核心成果、个人价值与下一年规划。共10页。

文字稿

一起看看生成的效果：

版式设计感十足，简单、好看、布局清楚。内容处理上，GLM-4.7 完全基于文档原始内容做提炼，核心成果摆在最显眼的位置，数据呈现直接不绕弯，层次感也出来了。

不用懂设计术语，不用会排版，也不用反复纠结哪段该删、哪段该留，GLM-4.7自己就替你判断好了。

GLM-4.7 不是硬套模板，而是照着内容在专业模板基础上微调版式和视觉重心。

当然也不是全程免人工，比如第7页，信息一集中，部分内容就没显示全。点页面右上角的编辑，让AI微调一下就行。

提示词：第7页，完整展示标题，将01、02、03模块整体适当上移，适当调整模块高度，让他们完整显示在页面中，并且排版整齐。

GLM-4.7直接改了这页的代码，不到2分钟就能看见调整结果：内容一字没动，层次反倒更分明了。

改文字、加一页、删内容，或者重排某一页的重点顺序，都可以丢给 GLM-4.7，不用一遍遍手动折腾，把需求说清楚就够了。

PPT 生成已经丝滑到这个份上了，接下来试试写代码。

case3 互动网页

PPT适合台上演示，可现实里很多汇报不在会议室发生，而是被在线点开、被转发。这种场合，网页在展示和交互上都比PPT合适。

我们传一组AI行业发展数据的表格，就拿它做个汇报页试试。

提示词：基于上传的数据信息，尝试直接生成一份用于汇报的动态网页。

要求：

1.科技感数据大屏，暗黑数据叙事+ 霓虹信息高亮；

2.给出明确、清晰的分析结论；

3.页面有视觉层级：主色 + 强调色，重点数据高亮；

4.图表形式丰富（趋势 / 分布 / 对比 / 排名，不少于 6 张）；

5.关键指标用数字动画突出；

6.风格简洁但有重点，避免全页同色，适合滚动浏览和投屏展示。

表格截图

最终生成的网页是这样的：

GLM-4.7 没有停在数据可视化这一步，它直接给出了分析结论，告诉你这些数据意味着什么，而不只是展示数据长什么样。重点数据配着动画出场，注意力一下就被抓走。

case4 活动海报

GLM-4.7 最看得见的变化其实是审美。比如生成一张活动预告。

提示词：设计一张宣传海报，科技感 × 奶茶品牌联名风格。画面为明亮活泼的商业海报设计，整体色调以草莓红、奶油白、浅粉色为主，点缀少量霓虹蓝科技光效。内容是：如果你正在使用 Bigmodel.cn 的 Coding Plan，在 Claude Code 等编程工具中，输入口令：阿姨助我！即可领取一张 沪上阿姨新品「QQ 美莓奶茶」兑换券，登录沪上阿姨小程序即可使用。

GLM-4.7 准确搜到了并用上了沪上阿姨和「QQ 美莓奶茶」的真实视觉特征，品牌标识、杯型、草莓系配色，还原度都很高。

活动信息其实不算短，但 GLM-4.7 没有把文字硬塞进画面，而是拎出真正核心的信息，排版也利索：主视觉给新品奶茶和联名关系，中段用终端窗口点题“程序员操作”的隐喻，下面再放使用方式提醒。

这正是 GLM-4.7 审美升级最关键的点——不只是更会画，而是更会做设计判断，知道什么该被看见。

彩蛋：智谱真的给大家准备了奶茶哦，正在用 GLM Coding Plan 的友友们快去领~

case5 小游戏

提示词：开发一款音游。

小游戏跟前面的 PPT、网页不是一回事，它不能只摆结果，还得持续响应用户行为。节奏对不对得上、操作有没有反馈、成败边界清不清楚，全都直接砸在体验上。

GLM-4.7生成的小游戏逻辑完整、规则清楚，打开就能玩。音符出现、节奏判定、得分反馈都处理得挺讲究，说明它不是把功能东拼西凑，而是按玩法逻辑在组织代码——这点确实让人意外。

case6 全栈开发

不过，一个小游戏还摸不到它代码能力的上限。下一步直接把难度拉高一个量级：让它开发一个带完整业务逻辑的真实项目——二手物品交易平台。

提示词：开发一个二手物品交易网站，包含前端和后台管理系统，用户可以浏览、搜索商品，并下单。后台管理系统可以管理产品、发货以及数据统计。

这一次，GLM-4.7同样只花了几分钟，整个项目就开发完了。

前端：

首页的商品列表、分类筛选、搜索、商品卡片…关键路径全部跑通，页面层级一目了然。

能看出它是照着真实交易流程在搭页面结构： 先浏览 → 再筛选 → 看详情 → 加入购物车 → 下单 → 输入收货信息，走下来很顺畅。

真正的交易系统，前端只是入口。判断它算不算“项目级系统”，得看后台在不在，以及后台能不能接管商品、订单和状态流转。

接下来看看 GLM-4.7 生成的后台管理系统：

数据统计、商品管理、订单管理这些核心模块都清楚明白：后台能做商品的增删改查，还能盯实时数据和发货情况，功能实用又齐整。

 

02. 关于 GLM-4.7 的 AMA

 

Z.AI 研究实验室在 Reddit 开了一场 AMA（Ask Me Anything），GLM-4.7 的核心研发成员在线答疑，下面是里面关注度最高的几问几答：

Q：在公司上市之后，你们还会继续发布模型权重吗？

A：会的。GLM 团队将持续推进通用人工智能（AGI）方向的研究，并继续为开源社区做出贡献。

从团队的表态看，GLM-4.7 是 Z.AI 要长期迭代的一条线。开源对他们也不是阶段性动作，而是跟模型能力、生态建设绑在一起的长期投入。对真打算把模型用进项目、甚至上生产环境的人来说，这比跑分重要多了。

Q：我们可以期待你们推出专门针对编程的模型吗？

A：我们不计划发布单独的纯编程模型。我们相信代码、Agent（智能体）和推理能力在一个模型内部是相辅相成的。例如，更难的编程任务往往需要大量的推理，而稳定的 Agent 执行也需要强大的编程技能。因此，我们专注于打造一个在所有这些方面都强大的统一模型。

这个回答恰好印证了前面实测里我感受最深的一点：GLM-4.7 不是哪项能力单点爆表，而是整体协同变强了。团队把 Coding、Agent、Reasoning 当一个整体来打磨，就像一只大木桶——能装多少水，看的不是哪块板最高，而是有没有明显的短板。

Q：Interleaved Thinking（交错思考）在 OpenAI Chat Completions API 上运行效果好吗？

A：我们已使 Interleaved Thinking 能够兼容 Chat Completion API，只需记住在每一条历史消息中把 “reasoning_content”（推理内容）回传即可。通过这种方式，性能是一样的。

我们还引入了“Preserved Thinking”（保留思考）功能，开启后，即使是之前用户轮次中的思考内容也不会被丢弃。这对在编程 Agent（智能体）场景中保持一致性非常有帮助。详情请参阅我们的博客。

Preserved Thinking 说白了是在治稳定性。很多 Agent 任务翻车，不是模型不会推理，而是长流程里把之前的思考弄丢了。

它的价值就在这：让模型在多轮对话里不轻易丢掉上下文判断，行为前后一致。实际使用中 GLM-4.7 在长任务里更稳，根子在这儿。

Q：训练过程中最意想不到的挑战是什么？你们是如何解决的？

A：由于 GLM-4.7 主要通过后训练（post-training）进行改进，对我而言，最大的意外挑战是“发布配方（release recipe）”即如何训练出一个准备好发布的最终模型。

在实践中，针对不同的领域，不同的团队通常拥有各自的数据以及 SFT（监督微调）/ RL（强化学习）配方。当我们试图将所有内容整合在一起进行正式发布时，很难在不损害其他方面的前提下融合这些能力。

我们的解决方法是：仔细调整数据配比（data mix），找出并移除与其他数据冲突的数据，并进行了大量的消融实验。在 RL 方面，我们甚至采用了一种类似 LoRA 的方法，在提升某一项目标技能的同时保护其他能力。所有这些调整都在大规模评测的指导下完成。

这也解释了 GLM-4.7 的进步路数：不是把某项能力怼到极致，而是在各种能力之间反复权衡、尽量少互相拖累。说白了，它解决的是整体可用性，而不是单点突破。

如果你对 GLM-4.7 的能力边界和设计取舍好奇，不妨去 AMA 评论区翻翻现成的讨论，一手信息不少，也能补上自己的问题一起聊~

 

03. 一些分享

 

GLM-4.7 对真实使用场景的贴合肉眼可见：生成的 PPT 在16:9宽屏比例上更稳了，内容和视觉的结合也成熟了不少，成片已经很接近拿来即用的状态。

Coding、Reasoning、Agent 这三种能力，GLM-4.7 能在同一个任务里稳定配合：先理解目标，再拆步骤，然后一步步交付。

这说明 GLM-4.7 已经能完整地交活儿了。PPT、网页这类偏表达的工作，几乎不用人插手；简单交互和基础原型，也不再是什么技术门槛。

往后真正稀缺的，不会是某项技能，而是知道该做什么、判断什么值得做，以及怎么把结果用起来。

技术门槛在掉价，判断力和决策力，正在悄悄涨价。

原文链接：被GLM-4.7刷屏，真的有那么强吗？