智谱IPO敲钟前，连夜把开源编程大模型SOTA了_数字货币

创始人

2025-12-23 10:45:46

鱼羊 henry 发自麦蒿寺

量子位 | 公众号 QbitAI

2025倒计时，新SOTA模型涌现没有放缓迹象。

一夜之间，编程SOTA模型易主，而且上线即开源，依然来自中国大模型公司——

智谱AI，GLM-4.7。

这波更新，技术报告里满眼都是Coding，Coding，还是Coding。

而能力的提升，带来的最直观效果是：

AIME 25和人类最后考试（HLE）等基准中，GLM-4.7分数超GPT-5.1；

SWE-Bench分数达（73.8%，+5.8%），创开源新高。

官方Demo显示，写个植物大战僵尸不费劲：

总而言之，模型这么一发，双旦的节庆氛围一下到位了（doge）。

官网Chatbot和API均已就为，现在就能在线开玩。

Demo来吧，展示

在前端生成质量上，GLM-4.7展现出明显升级：页面结构更干净、组件层级更清晰。

相比GLM-4.6，更像是现代的Web UI，网友元素中更加美观。

在PPT与视觉物料生成方面，GLM-4.7标题层级明确、元素尺寸更合理。

在复杂几何结构与空间关系的表达上，GLM-4.7模型能够保持较好的结构一致性与细节稳定性。

3D资产的生成质量也有显著提升。

刷新开源SOTA

这次最新的模型主打编程，相较前代GLM-4.6，GLM-4.7在编码能力、交互体验与复杂推理等多个维度实现了系统性升级。

复杂推理能力（Reasoning）：全面提升，HLE（含工具）42.8（+12.4 vs GLM-4.6），MMUL-Pro 84.3，GPQA-Diamond 85.7，数学与推理能力更稳更强。
核心编码能力（Code Agent）：多语言与终端任务显著增强，SWE-bench Verified 73.8（+5.8）、SWE-bench Multilingual 66.7（+12.9）、Terminal Bench 2.0 41.0（+16.5），支持“先思考、再行动”模式。
工具使用能力（General Agent）：工具调用更高效，BrowseComp 52.0（+6.9）、BrowseComp w/ Context Management 67.5（+10.0）、τ²-Bench 87.4（+12.2），网页浏览与工具链管理表现更优。

此外，GLM-4.7在对话、创意写作、角色扮演等场景中同样有提升，系统性增强了编码、推理与工具使用能力。

交错式思考和保留式思考

技术方面，GLM-4.7强化了自GLM-4.5起引入的交错式思考（Interleaved Thinking），并进一步引入了保留式思考（Preserved thinking）和轮级思考（Turn-level Thinking）。

交错式思考

GLM在工具调用之间、收到工具结果之后继续思考。

这让模型能够进行更复杂的分布推理，提升了指令遵从和生成质量：

在决定下一步行动前先解读每次的工具输出，把多次工具调用和推理步骤串联起来，并根据中间结果做出更细粒度的决策。

保留式思考

在编码场景中，GLM-4.7引入了一种新的思考模式：

模型会自动在多回合对话中保留所有思考快，复用已有推理而不是从头重新推理。这减少了信息丢失和不一致性，使得模型更适用于长程、复杂任务。还能在真实任务中节省更多tokens。

轮级思考

轮级思考是一种按轮控制推理计算的能力，即在同一个会话中，每一轮请求都可以独立选择开启/关闭思考。

这使得GLM-4.7具备以下优势：

更灵活的成本/时延控制：对“问个事实/改个措辞”等轻量轮次可关闭思考，追求快速响应；对“复杂规划/多约束推理/代码调试”等重任务轮次可开启思考，提升正确率与稳定性。
更顺滑的多轮体验：思考开关在会话内可随时切换，模型能在不同轮次间保持对话连贯与输出风格一致，让用户感觉“聪明时更聪明、简单时更快”。
更适合Agent/工具调用场景：在需要快速执行的工具轮次可降低推理开销，在需要综合工具结果做决策的轮次再开启深度思考，实现效率与质量的动态平衡。