Z.ai משחררת את GLM-4.7: מודל פתוח ברישיון MIT, ו-73.8% ב-SWE-bench לפי החברה

ב-22 בדצמבר 2025 שחררה Z.ai את GLM-4.7, מודל שפה פתוח ברישיון MIT שמיועד לקוד ולסוכנים. לפי כרטיס המודל ב-Hugging Face, הוא משיג 73.8% ב-SWE-bench Verified. זה נתון של החברה, ולא בדיקה בלתי תלויה.

מה כולל GLM-4.7

משקלי המודל פתוחים ב-Hugging Face, ברישיון MIT. לפי המטא-דאטה במאגר, יש בהם כ-358 מיליארד פרמטרים בפורמט BF16. הארכיטקטורה היא Mixture-of-Experts, כלומר רק חלק מהמודל פועל בכל טוקן.

לפי תיעוד ה-API של Z.ai, חלון ההקשר הוא 200K טוקנים והפלט המרבי הוא 128K. החברה מחזקת את Interleaved Thinking ומוסיפה את Preserved Thinking ואת Turn-level Thinking. בעבודה של סוכני קוד, Preserved Thinking משמר את בלוקי החשיבה לאורך שיחה ארוכה, ולא בונה אותם מחדש בכל תור.

Z.ai מציינת שיפור משמעותי במסגרות סוכנים כמו Claude Code, Kilo Code, Cline ו-Roo Code. לפי החברה, המודל גם מייצר דפי אינטרנט נקיים ומצגות עם פריסה מדויקת.

מה המספרים של GLM-4.7 אומרים

בטבלה של Z.ai המודל מקבל 73.8% ב-SWE-bench Verified, לעומת 68.0% ל-GLM-4.6. ב-SWE-bench Multilingual הוא מקבל 66.7%, וב-Terminal Bench 2.0 הוא מקבל 41.0%. ב-τ²-Bench הוא מגיע ל-87.4.

אותה טבלה כוללת גם מודלים אחרים. ב-SWE-bench Verified, Claude Sonnet 4.5 מקבל 77.2%, GPT-5.1-High מקבל 76.3% ו-Gemini 3.0 Pro מקבל 76.2%. DeepSeek-V3.2 מקבל 73.1% ו-Kimi K2 Thinking מקבל 71.3%. כלומר, בטבלה של Z.ai המודל קרוב לשלושת המודלים של Anthropic, OpenAI ו-Google, אבל לא מקדים אותם. הוא כן מקדים במעט את DeepSeek ואת Kimi.

ב-τ²-Bench Z.ai הוסיפה הנחיה בתרחישי Retail ו-Telecom, ויישמה תיקונים בתרחיש Airline. התאמות כאלה משנות את ההשוואה לתוצאות של מעבדות אחרות. ב-HLE עם כלים המודל מקבל 42.8%, לעומת 30.4% ל-GLM-4.6.

ב-Terminal Bench 2.0 התמונה פחות חדה. DeepSeek-V3.2 מקבל שם 46.4%, ו-Claude Sonnet 4.5 מקבל 42.8%. Z.ai עצמה מציינת שמבחנים הם רק דרך אחת להעריך מודל, ושהחוויה בפועל חשובה.

איך מריצים את GLM-4.7

הרצה מקומית נתמכת ב-vLLM וב-SGLang, שבזמן השחרור עבדו רק בענפי main שלהם. 358 מיליארד פרמטרים ב-BF16 הם בערך 717GB, וזה רק המשקלים. לכן רוב הצוותים יעדיפו API, כמו זה של Z.ai או של ספק אחר שמארח את המודל.

הכרטיס מפרט את ההגדרות של Z.ai בבדיקות: temperature של 1.0 ו-top-p של 0.95 לרוב המשימות. ל-SWE-bench Verified ול-Terminal Bench היא השתמשה ב-temperature של 0.7. מי שמשווה בין מודלים צריך הגדרות דומות.

הרישיון של המשקלים הוא MIT, אבל התנאים של ה-API של Z.ai עומדים בפני עצמם. ב-API אתם שולחים את הקוד לשרתי הספק, ולכן כדאי לבדוק מדיניות פרטיות לפני שמעבירים מאגר פרטי.

מה קרה מאז: נכון ל-23 באוקטובר 2026, התיעוד של Z.ai כולל מדריך מעבר ל-GLM-5.3.

עוד ב-GEEKLIK: DeepSeek משחררת את V4: מודל פתוח עם הקשר של מיליון טוקנים, בשתי גרסאות