真是越到年底，越是神仙打架。
这不，智谱又又又发了新模型——GLM-4.7。
然后一举在代码竞技场WebDev榜单上超越GPT-5.2，拿下开源大模型第一！
现在网友们也正在拿它疯狂实测中，体验完几乎都是清一色的“Amazing”。
直接来感受一下网友拿着GLM-4.7和Gemini 3同时做的桌版溜溜球游戏，让网友直呼：
GLM-4.7完胜！
那么，为什么GLM-4.7这次会在编程效果上有这么大的进步？
就在今天早些时候，智谱还特意在Reddit上举办了一场AMA（Ask Me Anything）活动，关于背后的一切，都已经回答得清晰明了。
关于GLM-4.7，智谱回答一切
这场对话不仅揭示了GLM-4.7如何通过后训练实现性能飞跃，还首次深度曝光了自研的强化学习框架——Slime。
我们整理了这场AMA的核心精华，看看这个被称为“Claude Code最佳平替”的国产模型，究竟是怎么炼成的。
模型性能与优化
首先就是大家最为关心的，为什么GLM-4.7会在体感上有如此明显的进步。
智谱团队在AMA中明确表示，GLM-4.7的改进主要集中在后训练阶段。
在SFT（监督微调）和RL（强化学习）阶段，团队采用了更精细的发布配方（Release Recipe）。通过对不同领域数据集的对齐，模型不仅在基准测试上跑分更高，在实际部署中的稳定性也大幅提升。
而针对社区关于“为何不出更大参数量模型”的疑问，智谱团队直言：
训练成本和部署成本是设计的核心锚点。
GLM-4.7在设计之初就考虑了硬件限制。团队目标是让模型在消费级显卡上也能跑出Air版本的灵活性，同时保持接近30B甚至更高规模的逻辑能力。这种在有限参数下压榨极致性能的思路，正是为了让AI真正落地。
除此之外，智谱分享了他们建立的一套复杂的预训练数据流程：
- 多源采集： 涵盖从高质量论文到小说等各类文本。
- 极致清理： 包含去重、质量过滤和敏感词筛查。
- 对齐策略： 重点关注SFT和RL阶段，让写作风格不再像机器人，而是更加生动细致。
模型应用场景与功能
如果说以前的GLM是个有些死板的理科生，那么4.7版本则是完成了一次情商逆袭。
在AMA中，开发者问得最多的就是编程。智谱团队坦言，他们针对Claude Code做了大量的优化和适配工作。
目前，GLM-4.7在多语言编码方面表现出色，不仅支持Python、JS，在一些相对冷门的语言和复杂的逻辑架构上也展现了极强的理解力。
团队认为，智能体框架对性能的影响占比高达30%，因此GLM-4.7在系统提示词、工具调用层级上做了深度打磨。
为了让模型更像人，团队从大量小说和剧本中汲取养分。
现在的GLM-4.7在创意写作时，细节描写更加丰富，不再只会说“在一个阳光明媚的下午”这种套话。在角色扮演任务中，它能更好地维持人设，减少出戏的频率。
除此之外，GLM-4.7还引入了一个非常硬核的功能：交错思考（Interleaved Thinking）。
在执行动作或调用工具之前，模型会先进行一段隐性思考。这种类似OpenAI o1的思维链机制，让它在处理复杂的多模态任务（如看图写代码、图表分析）时，减少了鲁莽操作的概率，提高了准确度。
技术方法与工具
智谱之所以在海外社区受欢迎，与其积极拥抱开源的态度密不可分。
这次AMA最让人惊喜的莫过于Slime框架的公开。
为了解决大模型强化学习效率低、稳定性差的问题，智谱研发并开源了Slime。
这个框架专为大规模强化学习设计，支持多种对齐算法。它的名字寓意着“灵活且具有极强适应性”，能够帮助开发者更容易地复现GLM级别的对齐效果。
智谱表示，他们从开源生态中获益良多，因此也乐于回馈。
他们详细描述了从数据收集、清理到质量过滤的完整流水线。这种透明度在目前的国产大模型厂商中并不多见，也赢得了LocalLLaMA社区的一致尊重。
在 Reddit 上，智谱团队展现了极其接地气的一面。
有用户问：“你们训练时遇到最意外的挑战是什么？”
团队回答：“最大的挑战其实是发布配方。就像厨师手里有最好的食材（数据），但怎么掌握火候（RL参数）让它在出锅时最完美，往往需要无数次的推倒重来。”
还有人调侃：“GLM-4.7是不是吃了什么灵丹妙药？”
团队则幽默回应：“主要是我们学会了如何让它在行动之前多想一想。”
实测GLM-4.7
在了解完GLM-4.7背后的“奇技淫巧”之后，我们还是老规矩，一波实测走起~
首先值得注意的是，现在在z.ai上搞开发，最好是点开**“全栈开发”**的按钮：
然后我们先做一个植物大战僵尸来小试牛刀，Prompt如下：
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。
可以看到，同样是经典的测试游戏，这次在体感上是“声色俱全”的那种（体验链接放下面了）：
https://chat.z.ai/c/5415b1d8-ac01-4bc6-a24a-8e815c8fa361
除了游戏之外，GLM-4.7另一个体感上的跃迁，便是做PPT了，这个demo的Prompt极其简单：
做一个介绍巴黎的PPT。
可以看到，PPT的效果已经达到了直接商用的程度：
除此之外，做海报也是GLM-4.7的一绝。
例如设计一张宣传运动鞋的海报，对比GLM-4.6和GLM-4.7，效果的差距就一目了然了：
从种种效果来看，也就不难理解为什么这次GLM-4.7会在X上被刷屏了。
承诺上市后持续开源
在这次AMA中，除了技术硬核细节，围观群众最关心的莫过于智谱要上市的事情了。
毕竟最近关于智谱拟赴港IPO的消息引发了圈内不小的关注。
Reddit上有资深老哥犀利发问：“一旦公司上市，你们是否会缩减开源投入？”
智谱团队给出了一个非常坚定的定心丸：“开源是我们的核心基因，无论资本路径如何变化，我们承诺上市后将持续开源。”
团队解释道，智谱深知其成长离不开开源生态的滋养。持续开源不仅是回馈，更是保持技术领先、建立开发者标准的最优路径。这种“即便敲钟，也要开卷”的姿态，确实让不少海外开发者直呼“Respect”。
通过交错思考提升智力上限，通过Slime框架规范训练流程，智谱正在用最硬核的方式证明：国产模型不仅能跑分，更能实战。
并且从用户们的反馈来看，GLM-4.7以及智谱长期以来的工作也是被给予了高度的认可。
例如有网友从价格角度评价说：
GLM 4.7的1年订阅（接近Opus 4.5级别）= Codex/Claude Code的1个月Max Plan。
我现在就立马订一年的。
包括估值40亿美元的Fireworks也在Day0支持GLM 4.7，嗯，美国人也是有更好的模型选择了。
除此之外，在AMA的中，智谱团队说了一句让人期待的话：“我们会为了AGI在明年做更多的贡献。”
在此基础之上，智谱首席科学家唐杰在GLM-4.7发布之际发表了他对于大模型发展的一些观点。
在IPO的灯光亮起之前，智谱选择先点亮开发者的屏幕。这种长期主义的浪漫，或许正是大模型时代最稀缺的底色。
那么，如何系统的去学习大模型LLM？
作为一名深耕行业的资深大模型算法工程师，我经常会收到一些评论和私信，我是小白，学习大模型该从哪里入手呢？我自学没有方向怎么办？这个地方我不会啊。如果你也有类似的经历，一定要继续看下去！这些问题啊，也不是三言两语啊就能讲明白的。
所以我综合了大模型的所有知识点，给大家带来一套全网最全最细的大模型零基础教程。在做这套教程之前呢，我就曾放空大脑，以一个大模型小白的角度去重新解析它，采用基础知识和实战项目相结合的教学方式，历时3个月，终于完成了这样的课程，让你真正体会到什么是每一秒都在疯狂输出知识点。
由于篇幅有限，⚡️ 朋友们如果有需要全套 《2025全新制作的大模型全套资料》，扫码获取~
👉大模型学习指南+路线汇总👈
我们这套大模型资料呢，会从基础篇、进阶篇和项目实战篇等三大方面来讲解。
👉①.基础篇👈
基础篇里面包括了Python快速入门、AI开发环境搭建及提示词工程，带你学习大模型核心原理、prompt使用技巧、Transformer架构和预训练、SFT、RLHF等一些基础概念，用最易懂的方式带你入门大模型。
👉②.进阶篇👈
接下来是进阶篇，你将掌握RAG、Agent、Langchain、大模型微调和私有化部署，学习如何构建外挂知识库并和自己的企业相结合，学习如何使用langchain框架提高开发效率和代码质量、学习如何选择合适的基座模型并进行数据集的收集预处理以及具体的模型微调等等。
👉③.实战篇👈
实战篇会手把手带着大家练习企业级的落地项目（已脱敏），比如RAG医疗问答系统、Agent智能电商客服系统、数字人项目实战、教育行业智能助教等等，从而帮助大家更好的应对大模型时代的挑战。
👉④.福利篇👈
最后呢，会给大家一个小福利，课程视频中的所有素材，有搭建AI开发环境资料包，还有学习计划表，几十上百G素材、电子书和课件等等，只要你能想到的素材，我这里几乎都有。我已经全部上传到CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
相信我，这套大模型系统教程将会是全网最齐全 最易懂的小白专用课！！
