Head-to-Head Model Comparison

GLM-4.7 vs GLM-4.6V

Benchmarks, API Token Pricing, Context Window & Speed Comparison

تمت المراجعة بواسطة فريق أبحاث GetInfoUsآخر مراجعة: October 2026السياسة التحريرية

بدّل وقارن بين أي نموذجين

Select any AI models from our verified benchmark database to generate live side-by-side matrices.

GLM-4.7Profile

GLM-4.6VProfile

Multi-Model Arena Stack:

5-Model Matrix Workbench

Popular Matchups:

Zhipu AI

GLM-4.7

نموذج أساسي مفتوح الأوزان

نموذج GLM-4.7 من Zhipu AI مصمم خصيصاً لـالاستضافة الذاتية على الخوادم الخاصة والضبط الدقيق والسيادة الكاملة على البيانات، حيث يوفر نافذة سياق بسعة 205K وسرعة 72 رمز/ثانية ومؤشر ذكاء 84/100 (وصول مجاني بأوزان مفتوحة).

Intelligence Index84 / 100

Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

204.8K tokens

SWE-bench Verified:

52%

Zhipu AI

GLM-4.6V

ذكاء اصطناعي متعدد الوسائط

نموذج GLM-4.6V من Zhipu AI مصمم خصيصاً لـالفهم الأصلي متعدد الوسائط للنصوص والصور وتحليل المخططات والمستندات، حيث يوفر نافذة سياق بسعة 131K وسرعة 80 رمز/ثانية ومؤشر ذكاء 77/100 (وصول مجاني بأوزان مفتوحة).

Intelligence Index77 / 100

Input Token:

$0.00 / 1M

Output Token:

$0.00 / 1M

Context Window:

131.1K tokens

SWE-bench Verified:

N/A

أهم الفروقات في لمحة

Both models cost the same under this workload — choose on capability, not price.
GLM-4.7 has a larger context window (205K vs 131K tokens).
GLM-4.6V is faster at 80 tok/s vs 72 tok/s.

Need definitions for token pricing, context, or benchmarks?Explore AI Glossary →

Feature	GLM-4.7	GLM-4.6V
Intelligence Index Composite reasoning & knowledge score (0-100)	84	77
Provider	Zhipu AI	Zhipu AI
Input Price Cost per million input tokens	$0.00 / 1M	$0.00 / 1M
Output Price Cost per million output tokens	$0.00 / 1M	$0.00 / 1M
Blended Price Weighted 7:2:1 cache:input:output per 1M	$0.00 / 1M	$0.00 / 1M
Context Window Maximum input + output tokens	204.8K tokens~307 A4 pages of text	131.1K tokens~197 A4 pages of text
Max Output Tokens Per single request	16K	8K
Throughput Speed Tokens generated per second	72 tok/s	80 tok/s
SWE-bench Verified Real-world software engineering	52%	N/A
GPQA Diamond Graduate-level reasoning	66%	N/A

من يتفوق في كل مجال؟

At-a-glance decision framework

Coding

Evaluations ongoing

Cost

Tied

Identical monthly runtime cost

Speed

GLM-4.6V

+11% faster generation

Context

GLM-4.7

204.8K tokens window

نتائج الاختبارات المعيارية الموثقة

Official evaluation metrics verified by independent third-party research labs.

GLM-4.7GLM-4.6V

SWE-bench Verified (Autonomous Coding)

Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.

52%vsN/A

GPQA Diamond (Doctorate-Level Science & Math)

Challenging questions created by domain experts to test complex PhD-level reasoning.

66%vsN/A

MMLU-Pro (Multi-task Language Understanding)

Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.

80.5%vs74%

LMSYS Chatbot Arena Elo

Crowdsourced human preference evaluation based on blind, head-to-head model battles.

1345ptsvs1280pts

Generation Speed (Throughput)

Tokens emitted per second during active generation streaming.

72 tok/s vs80 tok/s

زمن الاستجابة والسرعة

Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.

Time to First Token (TTFT)Lower is better

GLM-4.70.54s

GLM-4.6V0.51s

Est. End-to-End Response (500 tokens)TTFT + generation time

GLM-4.77.48s

GLM-4.6V6.76s

محاكي تكلفة الرموز التفاعلي

Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.

Daily Input Tokens100K / day

10K500K1M

Daily Output Tokens30K / day

5K150K300K

Prompt Cache Hit Ratio50% cached

0% (Cold)50%90% (Warm)

GLM-4.7 Monthly API Bill

$0.00 / month

$0/1M in · $0/1M out

GLM-4.6V Monthly API Bill

$0.00 / month

$0/1M in · $0/1M out

These models cost the same under this workload — no savings either way.Break-even

GLM-4.7 · Strengths & Key Advantages

نافذة سياق بسعة 205K وحد أقصى للمخرجات يصل إلى 16K رمز (SWE-bench Verified 52% · GPQA Diamond 66%)
سرعة توليد عالية تبلغ 72 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 540 مللي ثانية
أوزان مفتوحة (180B MoE) تتيح الاستضافة الذاتية محلياً أو عبر السحابة الخاصة باستخدام vLLM وOllama

Considerations & Trade-offs

يتطلب خوادم GPU بذاكرة VRAM كافية عند التشغيل المحلي بالدقة الكاملة
في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل

GLM-4.6V · Strengths & Key Advantages

نافذة سياق بسعة 131K وحد أقصى للمخرجات يصل إلى 8K رمز (MMLU-Pro 74% · Arena Elo 1280)
سرعة توليد عالية تبلغ 80 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 510 مللي ثانية
أوزان مفتوحة (24B VLM) تتيح الاستضافة الذاتية محلياً أو عبر السحابة الخاصة باستخدام vLLM وOllama

Considerations & Trade-offs

يتطلب خوادم GPU بذاكرة VRAM كافية عند التشغيل المحلي بالدقة الكاملة
في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل

Token Use & Task Economics

Estimated cost and token consumption to complete one representative agentic task.

Metric	GLM-4.7	GLM-4.6V
Cost per Task Estimated USD to finish one task	$0.00	$0.00
Output Tokens / Task Tokens generated per task	20K	14K
Reasoning Tokens / Task Thinking tokens burned per task	7K	3K

المواصفات التقنية

Architecture, release timeline, capabilities, and modalities.

Feature	GLM-4.7	GLM-4.6V
Official API Model ID (SDK)	glm-4-7	glm-4-6v
API Protocol	OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI	OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
Release Date	2025-12	2025-12
Knowledge Cutoff	October 2025	October 2025
Architecture	Mature Dense/MoE Hybrid Autoregressive Transformer	High-Resolution Open Vision-Language Transformer
Parameters	180B MoE	24B VLM
Enterprise Rate Limits (RPM / TPM)	Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud	Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
Long-Context Tier (>128K/200K)	Free across full context window (only KV-cache VRAM scales)	Free across full context window (only KV-cache VRAM scales)
Prompt Cache Policy & TTL	Automatic prefix KV-caching in vLLM / SGLang (0 cost)	Automatic prefix KV-caching in vLLM / SGLang (0 cost)
Computer Use / GUI Agent	API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)	API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
MCP & Parallel Tool Calling	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema	Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
Web Search Grounding & Sandbox	Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools	Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
Official Fine-Tuning Support	Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)	Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
Multimodal Token Billing	Text BPE (~4 chars/token)	Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile)
Quantization & Min GPU VRAM	BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 112 GB VRAM (4-bit Quantized) · 387 GB VRAM (Native BF16)	BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 15 GB VRAM (4-bit Quantized) · 52 GB VRAM (Native BF16)
Safety & Frontier Classification	Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)	Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
Enterprise Compliance (ZDR/HIPAA/SOC2)	100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control	100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
Input Modalities	text	text, vision
Output Modalities	text	text

GLM-4.7 vs GLM-4.6V: إجابات سريعة (FAQ)

Which is more intelligent, GLM-4.7 or GLM-4.6V?

GLM-4.7 is more intelligent. It scores 84 compared with 77 on the composite Intelligence Index.

Which model is faster?

GLM-4.6V is faster, generating 80 tokens per second compared with 72 tokens per second.

Which model has lower latency?

GLM-4.6V has lower latency, with a time to first token of 0.51s compared with 0.54s.

Which model has a larger context window?

GLM-4.7 has a larger context window, supporting 204.8K tokens compared with 131.1K tokens.

الحكم النهائي

يتميز كل من GLM-4.7 (مثالي لـالاستضافة الذاتية على الخوادم الخاصة والضبط الدقيق والسيادة الكاملة على البيانات وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) وGLM-4.6V (مثالي لـالفهم الأصلي متعدد الوسائط للنصوص والصور وتحليل المخططات والمستندات وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) بنقاط قوة واضحة؛ حيث يتفوق GLM-4.7 في اختبارات الذكاء والبرمجة، ويقدم GLM-4.6V سرعة توليد أعلى، بينما يُعد GLM-4.7 الخيار الأكثر توفيراً للتشغيل عبر API.

الأسئلة الشائعة (FAQ)

أيهما أفضل للبرمجة والاستدلال، GLM-4.7 أم GLM-4.6V؟+

يتصدر GLM-4.7 في مؤشر الذكاء المركب واختبارات البرمجة. يمكنك مراجعة نتائج SWE-bench وGPQA أعلاه لمقارنة دقيقة.

ما الفرق في تكلفة API بين GLM-4.7 وGLM-4.6V؟+

يبلغ سعر GLM-4.7 نحو $0.00 / $0.00 لكل مليون رمز (إدخال/إخراج)، بينما يبلغ سعر GLM-4.6V نحو $0.00 / $0.00. ومن حيث التكلفة الإجمالية يُعد GLM-4.7 الأرخص.

أي نموذج يوفر نافذة سياق أكبر وسرعة أعلى؟+

يدعم GLM-4.7 سياقًا بحجم 204.8K رمز مقابل 131.1K رمز لنموذج GLM-4.6V، بينما يتفوق GLM-4.6V في سرعة تدفق الرموز.

AI Terminology & Guide

Explore Glossary →

Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.

Tokens & Pricing Context Window AI Benchmarks Reasoning Models Tool Calling Model Context Protocol (MCP)

GLM-4.7 vs GLM-4.6V

بدّل وقارن بين أي نموذجين

GLM-4.7

GLM-4.6V

من يتفوق في كل مجال؟

نتائج الاختبارات المعيارية الموثقة

زمن الاستجابة والسرعة

محاكي تكلفة الرموز التفاعلي

GLM-4.7 · Strengths & Key Advantages

Considerations & Trade-offs

GLM-4.6V · Strengths & Key Advantages

Considerations & Trade-offs

Token Use & Task Economics

المواصفات التقنية

GLM-4.7 vs GLM-4.6V: إجابات سريعة (FAQ)

الحكم النهائي

الأسئلة الشائعة (FAQ)

Related reading