GLM-4.7의 비용은 얼마인가요?

입력 100만 token당 $0.60, 출력 100만 token당 $2.20의 비용이 발생합니다. 이는 유사한 코딩 성능을 보이는 Claude 3.7과 같은 frontier model보다 훨씬 저렴합니다.

최대 출력 길이는 얼마인가요?

GLM-4.7은 131,072 token이라는 방대한 출력 용량을 지원합니다. 덕분에 한 번의 응답으로 전체 코드베이스나 매우 긴 문서를 생성할 수 있습니다.

비전이나 이미지 입력을 지원하나요?

아니요, flagship 모델인 GLM-4.7은 텍스트 전용입니다. multimodal 작업이 필요하다면 Zhipu AI에서 제공하는 특화 모델인 GLM-4.6V나 GLM-4.1V-Thinking을 사용하시기 바랍니다.

API에는 어떻게 액세스하나요?

공식 Z.ai 오픈 플랫폼이나 OpenRouter와 같은 서드파티 제공업체를 통해 액세스할 수 있습니다. OpenAI API 형식과 완벽하게 호환됩니다.

Preserved Thinking이란 무엇인가요?

모델이 여러 턴에 걸쳐 추론 상태를 유지할 수 있게 해주는 기능입니다. 이를 통해 복잡하고 긴 agentic 워크플로우에서 논리적 흐름이 끊기는 것을 방지합니다.

GLM-4.7을 로컬에서 실행할 수 있나요?

네, 모델 가중치는 MIT 라이선스 하에 open-source로 공개되어 있습니다. 다만, 358B MoE 아키텍처를 전체 정밀도로 구동하려면 약 710GB의 VRAM이 필요합니다.

context window 크기는 얼마인가요?

이 모델은 200,000 token의 context window를 갖추고 있습니다. 이는 대략 15만 단어에 해당하며, 방대한 양의 기술 문서를 한 번에 처리할 수 있습니다.

GLM-4.7

Zhipu AI의 GLM-4.7은 200K context window, 73.8%의 뛰어난 SWE-bench 성능, 에이전트를 위한 네이티브 Deep Thinking을 갖춘 flagship 358B MoE 모델입니다.

zhipuGLM2025년 12월 22일

컨텍스트

200K토큰

최대 출력

131K토큰

입력 가격

$0.60/ 1M

출력 가격

$2.20/ 1M

모달리티:TextImage

기능:비전도구스트리밍추론

벤치마크

GPQA

85.7%

HLE

42.8%

MMLU

90.1%

MMLU Pro

84.3%

SimpleQA

46%

IFEval

88%

AIME 2025

95.7%

MATH

92%

GSM8k

98%

MGSM

94%

MathVista

74%

SWE-Bench

73.8%

HumanEval

94.2%

LiveCodeBench

84.9%

MMMU

74.2%

MMMU Pro

58%

ChartQA

86%

DocVQA

93%

Terminal-Bench

41%

ARC-AGI

12%

API 문서 보기

GLM-4.7 소개

GLM-4.7의 기능, 특징 및 더 나은 결과를 얻는 방법에 대해 알아보세요.

모델 개요

GLM-4.7은 Zhipu AI에서 개발한 flagship LLM입니다. 3580억 개의 총 매개변수(parameters)를 가진 Mixture-of-Experts (MoE) 아키텍처를 채택했습니다. 이 모델은 고유한 Preserved Thinking 및 Interleaved Thinking 기능을 통해 복잡한 agentic 작업과 long-context 추론을 처리하도록 특별히 설계되었습니다. 이러한 기능 덕분에 모델은 다중 턴 세션 전반에서 논리적 안정성과 중간 추론 상태를 유지할 수 있으며, 자율 워크플로우에서 흔히 발생하는 컨텍스트 저하 문제를 해결합니다.

성능 및 아키텍처

이 모델은 방대한 200,000 token context window와 131,072 token의 대규모 출력 용량을 결합하여 제공합니다. 이 덕분에 한 번의 실행으로 전체 애플리케이션을 생성하거나 방대한 문서를 분석하는 데 적합합니다. MIT 라이선스로 공개된 open-weights 모델로서, 독점적인 대안보다 훨씬 낮은 비용으로 고성능 코딩 및 추론 능력을 제공합니다.

통합 및 사용

OpenAI API 형식과 완벽하게 호환되어 기존 소프트웨어 생태계에 쉽게 통합할 수 있습니다. 개발자들은 SWE-bench Verified에서 73.8%라는 점수를 기록한 이 모델을 고위험 소프트웨어 엔지니어링 작업에 활용합니다. 또한 영어와 중국어 사이의 대량의 기술 문서를 원어민 수준의 언어적 뉘앙스를 살려 처리하고 분석할 수 있어 국제적인 개발 팀에게 매우 다재다능한 도구입니다.

GLM-4.7 사용 사례

GLM-4.7을 사용하여 훌륭한 결과를 얻는 다양한 방법을 발견하세요.

자율 소프트웨어 엔지니어링

73.8%의 SWE-bench 역량을 활용하여 복잡한 저장소 전반에서 자율적으로 디버깅하고 리팩토링하며 새로운 기능을 구현합니다.

고용량 문서 합성

131k 출력 제한을 활용하여 대규모 데이터 세트로부터 종합적인 기술 매뉴얼이나 전체 서적 챕터를 생성합니다.

장기 호흡의 Agentic 워크플로우

Preserved Thinking을 사용하는 에이전트를 배포하여 수백 개의 순차적 작업 전반에서 컨텍스트 손실 없이 일관성과 논리를 유지합니다.

이중 언어 비즈니스 인텔리전스

영어와 중국어 간의 방대한 기술 문서를 원어민 수준의 언어적 미묘함을 살려 처리하고 분석합니다.

자동화된 UI/UX 코드 생성

고급 애니메이션과 실무 수준의 스타일링이 포함된 전체 React 또는 Next.js 프론트엔드 아키텍처를 한 번에 생성합니다.

경시대회 수준의 수학 문제 해결

추론 중심의 전용 thinking mode를 사용하여 복잡한 올림피아드 수준의 수학 문제와 기호 논리 퍼즐을 해결합니다.

강점

제한

최상급 코딩 성능: SWE-bench Verified에서 73.8%를 기록하며, 거의 모든 open-source 모델을 능가하고 최상위 독점 API와 어깨를 나란히 합니다.

텍스트 전용 modality: Gemini나 GPT-4o와 달리 GLM-4.7은 네이티브 비전이나 오디오 처리가 부족하여 multimodal 작업 시 외부 모델이 필요합니다.

압도적인 출력 한도: 131,072 token의 출력 제한은 업계 최고 수준으로, 전체 애플리케이션을 한 번의 턴으로 생성할 수 있습니다.

엄청난 로컬 실행 사양: 358B parameters 규모로 인해 로컬에서 모델을 실행하려면 상당한 하드웨어(약 710GB VRAM)가 필요하여 일반 소비자용 GPU로는 접근이 어렵습니다.

에이전트 중심 아키텍처: Preserved Thinking 기능을 통해 장기 작업 전반에서 논리적 일관성을 유지하며, 자율 에이전트의 컨텍스트 저하 문제를 해결합니다.

간헐적인 지연 발생: 개인용 API 티어 사용자들은 대형 제공업체의 인프라에 비해 피크 시간대에 간헐적인 속도 저하를 보고합니다.

높은 경제적 가치: OpenAI나 Anthropic과 같은 서구권 경쟁사 대비 약 4~7배 저렴한 비용으로 frontier-level의 지능을 제공합니다.

지시 사항 준수 관련 미세한 문제: 추론 능력은 뛰어나지만, 매우 복잡한 코딩 세션에서 특정 파일 구조 제약 조건을 가끔 무시하는 경향이 있습니다.

API 빠른 시작

zai/glm-4.7

문서 보기

zhipu SDK

import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: 'YOUR_ZAI_API_KEY',
  baseURL: 'https://api.z.ai/api/paas/v4/',
});

async function main() {
  const response = await client.chat.completions.create({
    model: 'glm-4.7',
    messages: [{ role: 'user', content: 'Design a scalable React architecture.' }],
    thinking: { type: 'enabled' }
  });
  console.log(response.choices[0].message.content);
}
main();

SDK를 설치하고 몇 분 안에 API 호출을 시작하세요.

GLM-4.7에 대한 사람들의 의견

커뮤니티가 GLM-4.7에 대해 어떻게 생각하는지 확인하세요

“GLM-4.7은 128k context를 통해 대규모 코드베이스를 안정적으로 처리합니다. 기본 API 비용을 절감하기 위한 서브 에이전트 작업에 놀라울 정도로 유용했습니다.”

— IulianHI

“Zhipu AI의 GLM-4.7은 코딩 분야에서 GPT-5.1 High와 같은 독점 frontier model과 대등합니다. Preserved Thinking 기능은 자율 에이전트에게 엄청난 이점입니다.”

— Etienne Noumen

youtube

“GLM-4.7은 Intelligence Index v4.0에서 DeepSeek V3.2를 앞서며 가장 지능적인 open weights 모델 자리를 지키고 있습니다.”

— Artificial Analysis

twitter

“중국 모델들이 코딩 유틸리티 부문에서 격차를 빠르게 좁히고 있습니다. 이 73%의 SWE-bench 점수는 open weights 출시작으로서는 결코 가볍게 볼 수 없습니다.”

— Epoch AI

hackernews

“이 정도 규모의 모델치고 추론 속도가 상당히 괜찮습니다. 이전 버전보다 복잡한 논리를 훨씬 더 잘 다룹니다.”

— Bijan Bowen

youtube

“GLM-4.7은 Kimi K2를 제치고 AI Index 6위에 올랐습니다. 왜 이 $2짜리 모델이 코딩 워크플로우에서 GPT-5.2를 대체하고 있는지 확인해보세요.”

— TowardsAI

twitter

GLM-4.7에 대한 동영상

GLM-4.7에 대한 튜토리얼, 리뷰 및 토론 시청

“여기 context length는 200k이고 최대 출력 token은 128k인데, 실제로 상당히 강력합니다.”

“좋습니다, 정말 인상적이네요. 그 어떤 모델도 이 정도 수준의 복잡성을 가진 특수 기능을 탑재하지 않았습니다.”

“이 정도 규모의 모델치고 추론 속도가 상당히 괜찮습니다.”

“이전 버전보다 복잡한 논리를 훨씬 더 잘 다룹니다.”

“이 모델은 논리적 일관성 측면에서 상당한 도약을 이뤄냈습니다.”

“GLM 모델은 실제로 모든 모의 데이터를 한 파일에 배치하여 더 나은 아키텍처를 구현했습니다.”

“이건 확실히 큰 도약입니다. 제가 테스트해 본 결과, 벤치마크 점수가 납득이 갑니다.”

“제가 굳이 상기시키지 않아도 프로젝트 전체의 맥락을 이해했습니다.”

“코딩 능력은 현존하는 최고의 모델들과 견줄 만합니다.”

“최상급 추론 능력을 경쟁사 대비 훨씬 저렴한 비용으로 사용할 수 있습니다.”

“Swaybench verified에서 73.8%를 기록했는데, open-source 모델로서는 정말 놀라운 결과입니다.”

“실제로 작동하는 것을 볼 수 있습니다. 반면 Gemini 3 Pro가 생성한 것은 전혀 작동하지 않았죠.”

“이 수준의 지능을 제공하는 모델치고 생성 속도가 주목할 만합니다.”

“신뢰할 수 있는 코드 출력이 필요한 개발자들을 위해 설계된 것이 분명합니다.”

“Zhipu AI는 이번 MoE 아키텍처 튜닝으로 스스로를 뛰어넘었습니다.”

단순한 프롬프트 이상

워크플로를 강화하세요 AI 자동화

Automatio는 AI 에이전트, 웹 자동화 및 스마트 통합의 힘을 결합하여 더 짧은 시간에 더 많은 것을 달성할 수 있도록 도와줍니다.

AI 에이전트

웹 자동화

스마트 워크플로

무료로 시작하기

GLM-4.7 프로 팁

GLM-4.7을 최대한 활용하기 위한 전문가 팁.

논리적 작업을 위한 Thinking Mode 활성화

코딩이나 수학 문제 해결 시 thinking parameter를 enabled로 설정하여 모델 내부의 추론 과정을 활용하고 정확도를 높이세요.

OpenAI 호환 SDK 사용

OpenAI SDK를 사용하고 base URL을 Z.ai 엔드포인트로 변경하여 기존 워크플로우에 GLM-4.7을 통합하세요.

131K 출력 용량 극대화

긴 형식의 콘텐츠를 생성할 때는 먼저 상세한 개요를 제공하여 방대한 token 제한 내에서도 모델이 구조적 일관성을 유지하도록 하세요.

에이전트를 위한 시스템 prompt 최적화

시스템 메시지에 Preserved Thinking 요구 사항을 정의하여 모델이 다중 턴 세션 전반에 걸쳐 추론 상태를 재사용하도록 하세요.

후기

사용자 후기

워크플로를 혁신한 수천 명의 만족한 사용자와 함께하세요

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.