GLM-4.7-Flash de Zhipu AI est un modèle d’IA conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, offrant une fenêtre de contexte de 200K, une vitesse de 160 tokens/s, un indice d’intelligence de 74/100 et un tarif de $0.015/$0.03 par million de tokens.
Technical Specifications
- Provider
- Zhipu AI
- Category
- lightweight
- Release Date
- 2026-01
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Fixed
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- glm-4-7-flash
- Supported SDK & API Protocol
- OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2028+)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($0.015/1M in) across full 200K window
- Prompt Cache Write & TTL Policy
- Cached input at $0.002/1M tokens
- Computer Use & Browser GUI Agent
- 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
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 43 GB VRAM (4-bit Quantized) · 151 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
GLM-4.7-Flash Cost, Context, Hardware & API Integration
Pay-as-you-go API is cheaper for this volume (saves $19.04/mo vs $20 flat plan).
Break-even point: ~10,417 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to GLM-4.7-Flash:
Benchmark Scores & 6-Axis Capability Radar
- MMLU-Pro
- 72%
- HumanEval
- 83%
- Chatbot Arena Elo
- 1270pts
Strengths
- Fenêtre de contexte de 200K et capacité de sortie maximale de 8K tokens (MMLU-Pro 72% · Arena Elo 1270)
- Débit rapide de 160 tokens/seconde avec une latence au premier token (TTFT) de 240 ms
- Poids ouverts permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Limitations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Editorial Assessment
Alliant un indice d’intelligence de 74/100, un contexte de 200K et un débit de 160 tok/s, GLM-4.7-Flash s’impose comme une valeur sûre de la gamme Zhipu AI.
Best for: Conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, l’intégration RAG et les pipelines de production évolutifs.
Compare GLM-4.7-Flash
Frequently Asked Questions about GLM-4.7-Flash
How much does the GLM-4.7-Flash API cost per 1M tokens?+
GLM-4.7-Flash by Zhipu AI is priced at $0.015 per 1M input tokens and $0.03 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.002 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the GLM-4.7-Flash pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in GLM-4.7-Flash's context window?+
GLM-4.7-Flash features a 200K tokens context window, which equals approximately 150,000 English words or ~400 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 8,192 tokens.
Can I run GLM-4.7-Flash locally on my own GPU (Open Weights)?+
Yes, GLM-4.7-Flash (Confidential) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does Zhipu AI train on data sent to the GLM-4.7-Flash API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Open-Weights Research & Commercial License. Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does GLM-4.7-Flash perform on coding and reasoning benchmarks?+
GLM-4.7-Flash achieves a composite Intelligence Index of 74/100, scoring N/A% on SWE-bench Verified, N/A% on GPQA Diamond, 72% on MMLU-Pro, and 1270 pts on Chatbot Arena Elo.
What is GLM-4.7-Flash best used for?+
GLM-4.7-Flash is best suited for: Conçu pour une efficacité économique maximale par token et une exécution légère à grande échelle, l’intégration RAG et les pipelines de production évolutifs.. Assessment: Alliant un indice d’intelligence de 74/100, un contexte de 200K et un débit de 160 tok/s, GLM-4.7-Flash s’impose comme une valeur sûre de la gamme Zhipu AI.
Zhipu AI Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to Zhipu AI's flagship reasoning tier:
GLM-5.2
GLM-5.1
GLM-5V-Turbo
GLM-5-Turbo
GLM-5
GLM-4.7-FlashX
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to GLM-4.7-Flash:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: Zhipu AI API Platform Documentation↗