zhipu

GLM-4.7

GLM-4.7 โดย Zhipu AI คือ flagship model สถาปัตยกรรม MoE ขนาด 358B ที่มาพร้อมกับ context window ขนาด 200K มอบประสิทธิภาพระดับแนวหน้าถึง 73.8% บน SWE-bench...

zhipu logozhipuGLMDecember 22, 2025
บริบท
200Kโทเคน
เอาต์พุตสูงสุด
131Kโทเคน
ราคาอินพุต
$0.60/ 1M
ราคาเอาต์พุต
$2.20/ 1M
โหมด:TextImage
ความสามารถ:การมองเห็นเครื่องมือสตรีมมิ่งการใช้เหตุผล
เกณฑ์มาตรฐาน
GPQA
85.7%
GPQA: คำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา. เกณฑ์มาตรฐานที่เข้มงวดพร้อม 448 คำถามจากชีววิทยา ฟิสิกส์ และเคมี ผู้เชี่ยวชาญ PhD ทำได้เพียง 65-74% GLM-4.7 ได้คะแนน 85.7% ในเกณฑ์มาตรฐานนี้
HLE
42.8%
HLE: การใช้เหตุผลระดับผู้เชี่ยวชาญ. ทดสอบความสามารถของโมเดลในการแสดงการใช้เหตุผลระดับผู้เชี่ยวชาญในสาขาเฉพาะทาง GLM-4.7 ได้คะแนน 42.8% ในเกณฑ์มาตรฐานนี้
MMLU
90.1%
MMLU: ความเข้าใจภาษาแบบมัลติทาสก์ขนาดใหญ่. เกณฑ์มาตรฐานที่ครอบคลุมพร้อม 16,000 คำถามใน 57 วิชา GLM-4.7 ได้คะแนน 90.1% ในเกณฑ์มาตรฐานนี้
MMLU Pro
84.3%
MMLU Pro: MMLU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMLU พร้อม 12,032 คำถามและรูปแบบ 10 ตัวเลือกที่ยากขึ้น GLM-4.7 ได้คะแนน 84.3% ในเกณฑ์มาตรฐานนี้
SimpleQA
46%
SimpleQA: เกณฑ์มาตรฐานความถูกต้องของข้อเท็จจริง. ทดสอบความสามารถของโมเดลในการให้คำตอบที่ถูกต้องและเป็นข้อเท็จจริง GLM-4.7 ได้คะแนน 46% ในเกณฑ์มาตรฐานนี้
IFEval
88%
IFEval: การประเมินการปฏิบัติตามคำสั่ง. วัดว่าโมเดลปฏิบัติตามคำสั่งและข้อจำกัดเฉพาะได้ดีเพียงใด GLM-4.7 ได้คะแนน 88% ในเกณฑ์มาตรฐานนี้
AIME 2025
95.7%
AIME 2025: การสอบคณิตศาสตร์เชิญชวนอเมริกัน. โจทย์คณิตศาสตร์ระดับการแข่งขันจากการสอบ AIME ที่มีชื่อเสียง GLM-4.7 ได้คะแนน 95.7% ในเกณฑ์มาตรฐานนี้
MATH
92%
MATH: การแก้ปัญหาคณิตศาสตร์. เกณฑ์มาตรฐานคณิตศาสตร์ที่ครอบคลุมทดสอบการแก้ปัญหาในพีชคณิต เรขาคณิต แคลคูลัส GLM-4.7 ได้คะแนน 92% ในเกณฑ์มาตรฐานนี้
GSM8k
98%
GSM8k: คณิตศาสตร์ประถม 8K. 8,500 โจทย์คณิตศาสตร์ระดับประถมศึกษา GLM-4.7 ได้คะแนน 98% ในเกณฑ์มาตรฐานนี้
MGSM
94%
MGSM: คณิตศาสตร์ประถมหลายภาษา. เกณฑ์มาตรฐาน GSM8k แปลเป็น 10 ภาษา GLM-4.7 ได้คะแนน 94% ในเกณฑ์มาตรฐานนี้
MathVista
74%
MathVista: การใช้เหตุผลเชิงภาพคณิตศาสตร์. ทดสอบความสามารถในการแก้ปัญหาคณิตศาสตร์ที่มีองค์ประกอบภาพ GLM-4.7 ได้คะแนน 74% ในเกณฑ์มาตรฐานนี้
SWE-Bench
73.8%
SWE-Bench: เกณฑ์มาตรฐานวิศวกรรมซอฟต์แวร์. โมเดล AI พยายามแก้ปัญหา GitHub จริงในโครงการ Python GLM-4.7 ได้คะแนน 73.8% ในเกณฑ์มาตรฐานนี้
HumanEval
94.2%
HumanEval: โจทย์เขียนโปรแกรม Python. 164 โจทย์เขียนโปรแกรมที่โมเดลต้องสร้างการใช้งานฟังก์ชัน Python ที่ถูกต้อง GLM-4.7 ได้คะแนน 94.2% ในเกณฑ์มาตรฐานนี้
LiveCodeBench
84.9%
LiveCodeBench: เกณฑ์มาตรฐานเขียนโค้ดสด. ทดสอบความสามารถในการเขียนโค้ดบนความท้าทายการเขียนโปรแกรมจริงที่อัปเดตอย่างต่อเนื่อง GLM-4.7 ได้คะแนน 84.9% ในเกณฑ์มาตรฐานนี้
MMMU
74.2%
MMMU: ความเข้าใจหลายโหมด. เกณฑ์มาตรฐานความเข้าใจหลายโหมดจาก 30 วิชามหาวิทยาลัย GLM-4.7 ได้คะแนน 74.2% ในเกณฑ์มาตรฐานนี้
MMMU Pro
58%
MMMU Pro: MMMU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMMU พร้อมคำถามที่ท้าทายมากขึ้น GLM-4.7 ได้คะแนน 58% ในเกณฑ์มาตรฐานนี้
ChartQA
86%
ChartQA: คำถามและคำตอบกราฟ. ทดสอบความสามารถในการเข้าใจและวิเคราะห์ข้อมูลจากกราฟและแผนภูมิ GLM-4.7 ได้คะแนน 86% ในเกณฑ์มาตรฐานนี้
DocVQA
93%
DocVQA: คำถามเชิงภาพเอกสาร. ทดสอบความสามารถในการสกัดข้อมูลจากภาพเอกสาร GLM-4.7 ได้คะแนน 93% ในเกณฑ์มาตรฐานนี้
Terminal-Bench
41%
Terminal-Bench: งาน Terminal/CLI. ทดสอบความสามารถในการดำเนินการ command-line GLM-4.7 ได้คะแนน 41% ในเกณฑ์มาตรฐานนี้
ARC-AGI
12%
ARC-AGI: การนามธรรมและการใช้เหตุผล. ทดสอบความฉลาดที่ยืดหยุ่นผ่านปริศนาการจดจำรูปแบบใหม่ GLM-4.7 ได้คะแนน 12% ในเกณฑ์มาตรฐานนี้

ลองใช้ GLM-4.7 ฟรี

สนทนากับ GLM-4.7 ฟรี ทดสอบความสามารถ ถามคำถาม และสำรวจว่าโมเดล AI นี้ทำอะไรได้บ้าง

พรอมต์
การตอบกลับ
zhipu/glm-4-7

การตอบกลับ AI ของคุณจะปรากฏที่นี่

เกี่ยวกับ GLM-4.7

เรียนรู้เกี่ยวกับความสามารถของ GLM-4.7 คุณสมบัติ และวิธีที่จะช่วยให้คุณได้ผลลัพธ์ที่ดีขึ้น

GLM-4.7 เป็น AI model ระดับ flagship ตัวล่าสุดจาก Zhipu AI ซึ่งถือเป็นการก้าวกระโดดครั้งสำคัญของความฉลาดในกลุ่ม open-weight model ขนาดมหึมา 358 พันล้าน parameter ในสถาปัตยกรรม Mixture-of-Experts (MoE) นี้ถูกออกแบบมาโดยเฉพาะสำหรับการให้เหตุผลขั้นสูง การเขียน code อัตโนมัติ และ workflow แบบ agentic ที่ซับซ้อน โดยมีการเปิดตัวโหมด Deep Thinking โดยเฉพาะที่ช่วยให้สามารถวางแผนหลายขั้นตอนและแก้ไขข้อผิดพลาดได้เอง ทำให้ model สามารถแก้ปัญหาวิศวกรรมซอฟต์แวร์ที่มีความสำคัญสูงได้อย่างน่าเชื่อถืออย่างที่ไม่เคยมีมาก่อน

model นี้สร้างความโดดเด่นผ่านประสิทธิภาพทางเทคนิคที่ยอดเยี่ยม โดยทำคะแนนระดับ state-of-the-art ถึง 73.8% บน SWE-bench Verified และ 84.9 บน LiveCodeBench v6 ด้วย context window ขนาด 200,000 token และความจุ output มหาศาลถึง 131,072 token ทำให้ GLM-4.7 ถูกปรับแต่งมาเพื่อสร้างแอปพลิเคชันทั้งระบบและทำการวิจัยเชิงลึกผ่านชุดข้อมูลขนาดใหญ่

ในฐานะการเปิดตัวแบบ open-weight ภายใต้ใบอนุญาต MIT มันจึงเป็นทางเลือกที่ทรงพลังและยืดหยุ่นแทนการใช้ API แบบปิด (closed-source) รองรับทั้งการเชื่อมต่อผ่าน cloud และการติดตั้งแบบ local นอกจากนี้ ความสามารถด้าน multimodal ยังครอบคลุมถึงการออกแบบ UI ขั้นสูงและการวิเคราะห์เอกสาร ทำให้มันเป็นขุมพลังสารพัดประโยชน์สำหรับการพัฒนาที่ขับเคลื่อนด้วย AI ยุคใหม่

GLM-4.7

กรณีการใช้งานสำหรับ GLM-4.7

ค้นพบวิธีต่างๆ ที่คุณสามารถใช้ GLM-4.7 เพื่อได้ผลลัพธ์ที่ยอดเยี่ยม

Agentic Software Engineering

การแก้ไข issue บน GitHub ที่ซับซ้อนและการพัฒนาฟีเจอร์แบบ full-stack โดยอัตโนมัติในทุกส่วนของ repository

High-Fidelity Vibe Coding

การสร้างเว็บอินเทอร์เฟซที่ทันสมัยและพร้อมใช้งานจริงอย่างรวดเร็วโดยใช้ Tailwind CSS และคอมโพเนนต์ Framer Motion แบบโต้ตอบได้

Multilingual Technical Support

การให้ความช่วยเหลือด้าน coding ขั้นสูงและการแก้ปัญหาทางตรรกะในสภาพแวดล้อมการเขียนโปรแกรมระดับสากลกว่า 10 ภาษา

Deep Academic Research

การวิเคราะห์ชุดเอกสารจำนวนมหาศาลเพื่อดึงข้อมูลที่ต้องใช้การสืบค้นหลายขั้นตอน (multi-hop) และตรวจสอบได้ โดยใช้เฟรมเวิร์กการค้นหา BrowseComp

Automated Presentation Design

การสร้างสไลด์ที่มีโครงสร้างและสมดุลทางสายตา พร้อมเลย์เอาต์และ typography ที่แม่นยำจาก prompt เพียงประโยคเดียว

Terminal-Based Automation

การรันงานดูแลระบบและ DevOps ที่ซับซ้อนโดยตรงภายใน terminal sandbox ด้วยความแม่นยำใน benchmark ถึง 41%

จุดแข็ง

ข้อจำกัด

ความเชี่ยวชาญด้าน Coding ระดับโลก: ปัจจุบันเป็นผู้นำในกลุ่ม model แบบ open-weight ด้วยคะแนน SWE-bench 73.8% ซึ่งมีประสิทธิภาพเหนือกว่าคู่แข่งแบบ closed-source หลายราย
ความต้องการฮาร์ดแวร์ที่สูงมาก: จำนวน parameters ถึง 355B ทำให้การรันแบบ local นั้นเป็นไปได้ยากสำหรับนักพัฒนาทั่วไปหากไม่มีชุด multi-GPU
Output Tokens จำนวนมหาศาล: มาพร้อมขีดจำกัด output ถึง 131K ช่วยให้สามารถสร้าง codebase ขนาดใหญ่ที่พร้อมใช้งานจริงได้ในการรันเพียงครั้งเดียว
ความแตกต่างระหว่าง API และเว็บ: มีช่องว่างของประสิทธิภาพที่สังเกตได้ระหว่างการตอบสนองที่รวดเร็วของ API และการ reasoning ที่ลึกซึ้งกว่าซึ่งพบบนอินเทอร์เฟซเว็บ
Native Reasoning Engine: ผสมผสานความสามารถ 'Deep Thinking' ที่ช่วยให้วางแผนได้ดีขึ้นและลดความผิดพลาดในงานแบบ agentic ที่รันต่อเนื่องเป็นเวลานาน
อาการหลอนด้านเวลา (Temporal Hallucinations): ผู้ใช้รายงานว่ามีความคลาดเคลื่อนเป็นบางครั้งเกี่ยวกับวันที่และเหตุการณ์ปัจจุบันในช่วงหลังจากเปิดตัว model
ความคุ้มค่าต่อราคาที่หาตัวจับยาก: ให้ความฉลาดระดับ frontier ในราคาเพียงเสี้ยวเดียว เริ่มต้นเพียง $0.60 ต่อ 1 ล้าน input tokens
Latency ในการให้เหตุผลสูง: การเปิดโหมด Deep Thinking เต็มรูปแบบอาจเพิ่มเวลาในการตอบสนองอย่างมากสำหรับ prompt ที่ซับซ้อนและมีหลายขั้นตอน

เริ่มต้นด่วน API

zhipu/glm-4-7

ดูเอกสาร
zhipu SDK
import { ZhipuAI } from "zhipuai";

const client = new ZhipuAI({ apiKey: "YOUR_API_KEY" });

async function main() {
  const response = await client.chat.completions.create({
    model: "glm-4.7",
    messages: [{ role: "user", content: "Build a real-time collaborative whiteboard using Next.js." }],
    stream: true,
    extra_body: { "thinking": true }
  });

  for await (const chunk of response) {
    process.stdout.write(chunk.choices[0].delta.content || "");
  }
}

main();

ติดตั้ง SDK และเริ่มเรียก API ภายในไม่กี่นาที

ผู้คนพูดอะไรเกี่ยวกับ GLM-4.7

ดูว่าชุมชนคิดอย่างไรเกี่ยวกับ GLM-4.7

"GLM 4.7 ทำลายสถิติ OPEN SOURCE! ... ทำคะแนนได้ 42.8% ใน Humanity's Last Exam"
MindColliers
x/twitter
"GLM-4.7... ทำคะแนน 73.8% บน SWE-Bench ในราคา $0.6/M tokens... การแข่งขัน AI กำลังกลายเป็นโลกที่มีหลายขั้วอำนาจอย่างแท้จริง"
MateusGalasso
x/twitter
"GLM 4.7 พัฒนาขึ้นอย่างชัดเจน... ในด้านการเขียน code แบบ agentic หลายภาษา และงานบน terminal"
Dear-Success-1441
reddit
"model ตัวนี้กำลังกวาดคะแนนในหลาย coding benchmarks ของปี 2025"
cloris_rust
reddit
"GLM 4.7 ชนะขาดเรื่องความเร็วและความเสถียร ในขณะที่ Minimax M2.1 โดดเด่นในเรื่อง multi-agent coding"
JamMasterJulian
youtube
"Zhipu กำลังแสดงให้เห็นว่า open weights สามารถทำอะไรได้บ้างเมื่อเทียบกับ Lab ยักษ์ใหญ่ในสหรัฐฯ"
DevGuru
hackernews

วิดีโอเกี่ยวกับ GLM-4.7

ดูบทเรียน รีวิว และการสนทนาเกี่ยวกับ GLM-4.7

GLM 4.7 เป็น model ที่พัฒนาคุณภาพของ code, complex reasoning และการใช้ tool อย่างก้าวกระโดด

ทำคะแนนได้ 73.8 เปอร์เซ็นต์บน SWE-bench verified ซึ่งน่าทึ่งมากสำหรับ open-source model

มันเหนือกว่า Claude Sonnet 4.5 และ GPT 5.1 ใน benchmarks ด้านการใช้ tool เสียด้วยซ้ำ

แนวทาง mixture of experts ในที่นี้ได้รับการขัดเกลามาอย่างดี ส่งผลให้มีประสิทธิภาพสูงขึ้นแม้จะมีขนาดใหญ่

นี่เป็น model แบบ open-weight ตัวแรกที่เป็นทางเลือกแทน Claude 3.5 สำหรับงาน coding หนักๆ ได้จริง

เป็น open model ที่ดีที่สุดเท่าที่เคยมีมาแบบทิ้งห่างคู่แข่ง

มันสร้างหน้าเว็บที่สะอาดและทันสมัยกว่า และสร้างสไลด์ที่ดูดีกว่าเดิม

มีการให้เหตุผล แต่ thinking traces จะไม่แสดงให้เห็นใน coding plan API

ผลลัพธ์ของ Vibe coding เกือบจะสมบูรณ์แบบ แม้จะมี animation ของ Tailwind ที่ซับซ้อน

context ขนาด 200k จัดการกับ repo ยาวๆ ได้โดยแทบไม่มีข้อมูลสูญหายเมื่อเทียบกับ GLM เวอร์ชันก่อนหน้า

การอัปเกรดที่สำคัญคือการคิดก่อนทำ ซึ่งช่วยให้ model จัดการงานที่ซับซ้อนได้อย่างน่าเชื่อถือ

จุดเด่นคือ vibe coding ซึ่ง GLM 4.7 ช่วยปรับปรุงคุณภาพของ UI

ราคา API จะอยู่ที่ประมาณ $3 ซึ่งถือเป็นตัวเลือกที่คุ้มค่ามาก

ประสิทธิภาพด้าน multimodal ช่วยให้มันแปลงดีไซน์จาก Figma เป็น code ได้ด้วยความแม่นยำสูง

การรันแบบ local เป็นไปได้หากคุณมี workstation ขนาดมหึมา แต่ API นั้นรวดเร็วอย่างน่าประหลาดใจ

มากกว่าแค่พรอมต์

เพิ่มพลังให้เวิร์กโฟลว์ของคุณด้วย ระบบอัตโนมัติ AI

Automatio รวมพลังของ AI agents การอัตโนมัติเว็บ และการผสานรวมอัจฉริยะเพื่อช่วยให้คุณทำงานได้มากขึ้นในเวลาน้อยลง

AI Agents
การอัตโนมัติเว็บ
เวิร์กโฟลว์อัจฉริยะ
ดูเดโม

เคล็ดลับมือโปร

เคล็ดลับจากผู้เชี่ยวชาญเพื่อช่วยให้คุณใช้ประโยชน์สูงสุดจากโมเดลนี้และได้ผลลัพธ์ที่ดีขึ้น

เปิดใช้งาน Deep Thinking

สำหรับงานตรรกะที่ซับซ้อน ให้สั่งการ thinking mode ผ่าน parameters ของ API อย่างชัดเจนเพื่อเปิดใช้งานการวางแผนแบบหลายขั้นตอน

ใช้ประโยชน์จากความคิดที่ถูกบันทึกไว้

รักษาประวัติการสนทนาที่ยาวนานเพื่อใช้ความสามารถของ model ในการคงร่องรอยการ reasoning ตลอดการโต้ตอบหลายครั้ง

การทำ Local Quantization

ใช้เวอร์ชัน GGUF แบบ 2-bit หรือ 4-bit ที่ปรับแต่งโดย Unsloth เพื่อรัน model ที่มี parameters สูงนี้บนฮาร์ดแวร์ระดับผู้บริโภค

การระบุวันที่ (Date Injection)

ระบุวันที่ปัจจุบันลงใน system prompt ด้วยตนเองเพื่อหลีกเลี่ยงอาการหลอนด้านเวลา (temporal hallucinations) และปรับปรุงความแม่นยำในการวางตารางงาน

คำรับรอง

ผู้ใช้ของเราพูดอย่างไร

เข้าร่วมกับผู้ใช้ที่พึงพอใจนับพันที่ได้เปลี่ยนแปลงเวิร์กโฟลว์ของพวกเขา

Jonathan Kogan

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

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

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

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

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

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.

Jonathan Kogan

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

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

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

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

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

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.

ที่เกี่ยวข้อง AI Models

anthropic

Claude 3.7 Sonnet

anthropic

Claude 3.7 Sonnet is Anthropic's first hybrid reasoning model, delivering state-of-the-art coding capabilities, a 200k context window, and visible thinking.

200K context
$3.00/$15.00/1M
xai

Grok-3

xai

Grok-3 is xAI's flagship reasoning model, featuring deep logic deduction, a 128k context window, and real-time integration with X for live research and coding.

128K context
$3.00/$15.00/1M
anthropic

Claude Opus 4.5

anthropic

Claude Opus 4.5 is Anthropic's most powerful frontier model, delivering record-breaking 80.9% SWE-bench performance and advanced autonomous agency for coding.

200K context
$5.00/$25.00/1M
xai

Grok-4

xai

Grok-4 by xAI is a frontier model featuring a 2M token context window, real-time X platform integration, and world-record reasoning capabilities.

2M context
$3.00/$15.00/1M
openai

GPT-5.1

openai

GPT-5.1 is OpenAI’s advanced reasoning flagship featuring adaptive thinking, native multimodality, and state-of-the-art performance in math and technical...

400K context
$1.25/$10.00/1M
anthropic

Claude Sonnet 4.5

anthropic

Anthropic's Claude Sonnet 4.5 delivers world-leading coding (77.2% SWE-bench) and a 200K context window, optimized for the next generation of autonomous agents.

200K context
$3.00/$15.00/1M
google

Gemini 3 Flash

google

Gemini 3 Flash is Google's high-speed multimodal model featuring a 1M token context window, elite 90.4% GPQA reasoning, and autonomous browser automation tools.

1M context
$0.50/$3.00/1M
google

Gemini 3 Pro

google

Google's Gemini 3 Pro is a multimodal powerhouse featuring a 1M token context window, native video processing, and industry-leading reasoning performance.

1M context
$2.00/$12.00/1M

คำถามที่พบบ่อย

ค้นหาคำตอบสำหรับคำถามทั่วไปเกี่ยวกับโมเดลนี้