智谱大模型引爆论坛！团队分享GLM-4.7走红背后的一切

作者 ｜ 木子，高允毅

前两天，正在冲刺“大模型第一股”的智谱打响了上市前哨战：直接端出并开源了全新大模型 GLM-4.7。

这个 GLM-4.7，一举刷新多项 SOTA：它是目前国内最强 Coding 模型、最强国产模型；而且审美和情商都很在线，吸引了大波技术圈和非技术人才（比如设计师）前来围观。

还在 LM Arena 的 WebDev 榜单（大模型真实前端 / Web 应用开发能力测评）里，夺下最强开源模型之位，超过 GPT-5.2 和 Claude-Sonnet-4.5。

另外，还登上了 Hugging Face 模型榜榜一。

北京时间 12 月 24 日，GLM-4.7 背后的智谱 Z.AI 团队首次对其作出公开回应，他们在 Reddit 上开展了一场 AMA（Ask Me Anything，有问必答）活动，直面众网友的犀利问题。

其中，Z.AI 团队集中“现场答疑”的时间就长达 3 小时，吸引超过 800 人次互动；另外他们还会在随后的 48 小时内继续做“事后补答”。

整场问答的信息量爆炸，Z.AI 团队主要回复可概括为：

• 智谱上市信息

• 会不会单独做专门的编程模型

• GLM-4.7 的交错式思维，为什么能保持逻辑一致

• 模型 UI 审美能力是怎么练出来的

• GLM-5 什么时候来、还有 # 哪些新产品在路上 ……

回应了哪些要点？

GLM-4.7主打编程与代理式任务（coding + agentic tasks）的提升，同时在推理能力等方面也有所增强。

这里就按关键问题分类，先来具体看看智谱 Z.AI 团队对 GLM-4.7 分享了哪些“猛料”。

模型性能

首先，网友们最关心的问题就是模型本身的性能为什么会有如此飞跃？

智谱团队表示，为了把模型打磨到“更能干活”的状态，他们在后训练部分做了不少关键调整。

智谱在 SFT（监督微调）+ RL（强化学习）阶段，采用了更精细的发布配方（release recipe）。

• 先把不同来源的数据按合适比例搭配，再把互相矛盾的数据删掉；

• 需要重点提升某个短板时，尽量只在局部做小幅调整，避免牵一发动全身；

• 最后再反复用测评做验收，把提升做得更稳、更全面。

此外，智谱还分享了他们一整套的预训练数据流程：

• 从收集开始，逐层做清洗、去重和质量筛选，把噪声和水分尽量挤掉；

• 不同领域再上不同规则，代码、数学、科学各自用各自的筛选标准；

• 更关键的是，哪些数据值得进大训练不是拍脑袋决定，而是先在同架构的小模型上做消融验证，只有能带来稳定正增益的部分才会被纳入。

这套流程下来，大大提升数据的有效性。

还有网友上来就直言不讳：GLM-4.7 的编程能力部分到底擅长做什么，短板在哪？

智谱的研发团队直接给了明确答案，它主要提升在真实软件工程、会用终端干活，以及 Vibe Coding 的整体体验上。

如果在环境很清楚、结果好验证的情况下，比如在常见项目里找 bug、修 bug，GLM-4.7 的表现最稳。但如果是它不熟的框架、从零做全新功能，可能会因为“见得不够多”而掉链子。

对此，智谱研发团队表示未来，他们会继续提升模型的前端和后端能力，并进一步强化长任务、多步骤场景下的稳定性。

而让 GLM-4.7 在复杂任务里“更能想清楚再动手”的关键，背后其实离不开 GLM-4.7 在推理机制上的重大创新，智谱推出了“交织式思考（Interleaved Thinking）+ 保留式思考（Preserved Thinking）+ 轮级思考（Turn-level Thinking）”。

其中“交织式思考”，团队把它形容为“改进版思维链”。可以理解为智谱把思维链从“一次性想完再行动”升级为“每一步都先想再做”，无论是对话输出还是工具调用，都会先推理再执行。

而 GLM-4.7 的“保留式思考”，可以保证多步任务不跑偏，把关键中间思路延续到后续步骤，从而提升行动一致性与任务完成度。

还有一个很多人关心的点，就是GLM‑4.7 的落地使用情况。智谱团队表示，他们在Claude Code这一套智能体框架上投入了大量优化与适配。

从实际表现看，GLM‑4.7 的多语言编程能力很突出：除了 Python、JavaScript 这类常见语言外，在一些相对小众的语言、以及更复杂的工程结构与逻辑链路上，也能保持较强的理解和处理能力。

团队同时强调，智能体框架本身对最终效果的影响可能达到约 30%。因此他们围绕智能体的关键环节，比如系统提示词，以及工具调用层级设计，做了更深度的打磨，以提升复杂任务下的稳定性与成功率。

除了编程外，GLM-4.7 最让人印象深刻的还有它在UI 审美上逆袭，不少网友好奇为什么他们前端一下子变“好看”了。

智谱对此做了解释，原来他们有一个专攻“前端技能”的网页开发团队，在数据和训练方法上升级了。

他们先收集高质量审美在线的网页案例做训练集，再用一套视觉语言模型（VLM）接进数据流水线，硬把 UI 审美练上去了，直接出成品。

此外，GLM-4.7 在角色扮演方面，也有了更好的沉浸感。

在如何把握“创作自由”和“安全过滤”间，智谱找到了自己的度。不是一刀切地加过滤，而是把“安全”做得更像后台机制，风险要兜住，但前台尽量不打断体验。

未来计划

在模型性能之外，GLM 系列未来往哪走也是网友们的热议话题。

在 GPU 资源紧张的大背景下，有人抛出现实拷问，会不会因为算力和内存成本，卡住模型研发节奏？

智谱的回应相当务实，模型设计关键是训练成本和部署成本。如何让模型在有限参数下追求极致性能，并且更便宜，更好部署，一直是智谱在思考的地方。

至于版本节奏方面，团队也给了一个颇有悬念的回答，不排除直接跳过 4.8、4.9，憋一波更大的升级，GLM-5 或在路上。

对于 2026 年智谱还会有哪些惊喜，不少网友直接将评论区当成许愿池，有人希望有原生多模态，或者更轻量的版本，或者更强的编程能力。

对此，智谱没有正面展开，只留下一个信号，大招会有，但暂时保密，智谱一直在追求 AGI 的路上。

但与此同时，智谱还丢出了个“彩蛋”：一款名叫 “Zcode ”的新 IDE 正在路上。

团队透露，他们日常已经在用 Zcode 和 GLM‑4.7 搭配开发，它不只是让模型写代码这么简单，而是能同时开多路智能体并行干活：一边跑数据处理，一边做代码审查，再开一路专门盯调试排错，就像把一个小型 AI 研发小组塞进了开发环境里

目前，Zcode 可以无需梯子，能直接使用 Claude Code 并且一键接 API。

他们还贴心地推荐了配套工具 Zread，主打啃超大代码库，快速理清项目结构和关键链路。简单说就是，Zcode 负责写，Zread 负责读，组合起来更像完整的工程助手。

开源普惠

在开源这条路上，智谱一直备受社区认可。此次，智谱又带来了新的惊喜，曝光了他们的强化学习框架“Slime”。

Slime 干的事很明确，让大模型像“刷题”一样不断做任务，系统负责自动“收作业”、给出反馈，再把反馈用于下一轮训练迭代。

换句话说，它把原本零散、强依赖人工经验的强化学习流程，做成一条可持续运转的训练流水线。

尤其在训练写代码这类模型时，Slime 能把“生成—执行—测试—反馈”并行铺开，大幅拉高训练效率，让强化学习不再只是“能跑通实验”，而是可以长期、规模化地跑下去。

更重要的是，这类框架一旦开源，它贡献的不只是某个模型的技巧，而是一套可复用的工程方法“怎么把模型练成能干活的智能体”。对很多团队来说，这比单纯开一个权重更有意义，它直接降低了从零做智能体和强化学习的工程门槛。

也有人担心，随着智谱推进上市，未来会不会因此收紧开源节奏、改变策略。

对此，智谱团队的回应很明确：冲刺 AGI 的方向不会变，开源也不会缺席，两条路都会一直走下去。

最后，还有人现场应聘，智谱团队也给出了他们认为一个大模型工程师的标准，在研究能力之外，他们非常看重“工程技能”，毕竟，能快速、高效的解决问题，才是王道。

审美超绝，

3D 交互感飞跃

前文提到，GLM-4.7 刷新了多项基准测试的 SOTA，除了硬指标，GLM-4.7 的输出审美和“情商”也比上一代有大幅提升。

下面通过智谱官方和 InfoQ 的实测 Case，看看它具体表现如何。

点开智谱 Z.ai 提供的大模型在线使用界面，可以一眼看到对话栏下面的几个功能选项。

首先来试试前端开发功能，我们点开“全栈开发”，然后惊喜地发现，几句话就能让 AI 搓出一局完整的植物大战僵尸。

先用一段官方参考 Prompt：

“请基于当前目录准备的素材（下载 https://z-cdn.chatglm.cn/temp/Grazy%20Dave.mp3 当作游戏音乐， 下载 https://z-cdn.chatglm.cn/temp/pvc-images.zip 目录下的各类植物与僵尸静态/GIF图片、Pea.png/PeaSnow.png豆子素材、Shop.png/Card.png界面素材及Sun.gif），做一个《植物大战僵尸》游戏。

BGM 一响，熟悉的节奏直接把人拉回当年：草坪铺开、阳光掉落、种下植物，然后僵尸进场，发射豌豆等操作一气呵成，节奏和手感都对得上。

然后我们还能在生成效果的基础上，继续输入自然语言的 Prompt，让其做调整：

“其中向日葵每6秒生成一个Sun.gif，一个Sun.gif有25阳光值；豌豆射手的攻击力太低了，改为原来的2倍；一共有20只僵尸，最后10只僵尸从5条路同时进攻，击败所有僵尸即成功，并显示游戏成功页面”

一局完整的 PVZ 游戏效果如下：

连《植物大战僵尸》这种高交互小游戏都能搓出来，那回到更常规的网页开发场景，GLM-4.7 的表现更是可谓“信手拈来”。

比如，要生成一个普通 HTML 网页，在 GLM-4.7 中基本能一句话搞定，而且比起上一代生成的布局结构更清晰、组件风格也更统一，大大减少后期微调时间。而且还能覆盖多种风格，从简约、复古到时尚等应有尽有。

除此之外，做一个基于 Web 的交互式体验页面（Interactive Web Experience）也是不在话下。

GLM-4.7 做的 UI 完成度很高，动效衔接自然，层级清晰，3D 交互的纵深感和层次感都做得相当到位。

除了前端，GLM-4.7 体现出的高级审美能力，还在“艺术作品”的 3D 展示中带来质的飞跃。

它在空间层次、透视关系上处理得很清楚，同时在配色、材质对比、景深和构图上也下了功夫；该亮的地方亮，该收的地方收。

举个例子，给它这样一段 Prompt：

“设计一个精细打磨的体素风（voxel-art）环境，在充满生机的花园中呈现一座装饰华丽的宝塔。 场景中需要包含丰富多样的植被，尤其是樱花树，并确保整体构图生动、色彩鲜明、具有强烈的视觉冲击力。 你可以使用任意体素或 WebGL 相关库，但请将整个项目以一个完整、可独立运行的 HTML 文件形式交付，我可以直接粘贴并在 Chrome 中打开。”

GLM-4.7 的完成效果让人眼前一亮，既有体积像素的 3D 感，又美观和谐，还自动加入了旋转视图功能。

另外，在幻灯片制作上，GLM-4.7也明显“好看了”。

PPT16:9 的适配率从 52% 提升至 91%，生成的页面布局更准确、元素比例更舒服，整体观感更接近一份可以直接拿去用的成品。

这样的审美同样体现在海报设计上，排版与配色更加灵活，具备设计感，基本达到可以直接商用的效果。

同样设计以“巴黎”为主题的海报，GLM-4.7 明显从配色和排版上更胜一筹，懂得突出主题，注意文字比例和位置，图片的镶嵌和配色，而不是死板的罗列排布。

图注：左侧为 GLM-4.7 生成效果，右侧为 GLM-4.6 生成效果

总而言之，智谱现在把看家本打包亮相，团队想交出的不只是一个模型版本，而是一条更清晰的路线，让模型的能力在真实世界里顺利地跑起来、跑得稳。

虽然真正的 AGI 道阻且长，但智谱团队表示：

“我们准备为 AGI 之路做出更实质性的贡献”。

传送门：

https://chat.z.ai/

https://www.reddit.com/r/LocalLLaMA/comments/1ptxm3x/ama\_with\_zai\_the\_lab\_behind\_glm47/

https://z.ai/blog/glm-4.7