Este modelo está obsoleto. Seguimos midiendo su rendimiento, pero con menos frecuencia: cada 18 horas en lugar de cada 6.

Z AI lanzó una versión más reciente, GLM-5. Te sugerimos considerarla como alternativa.

Z AI

•

GLM-4.7-Flash

•

Open weights model

•

Released enero de 2026

Análisis de inteligencia, rendimiento y precio de GLM-4.7-Flash (Non-reasoning)

Name: Inteligencia
Creator: Artificial Analysis
License: https://artificialanalysis.ai/docs/legal/Terms-of-Use.pdf

Probar Benchmarks de proveedores de API

InteligenciaUpdated

N/D

Artificial Analysis Intelligence Index

Rendimiento

Tiempo hasta el primer token de respuesta 6,33sVelocidad de salida 77 tok/s

N/D

Tiempo por tarea del Intelligence Index (minutos)

Costo

Entrada 0,07 US$Salida 0,40 US$Descuento de caché 43%

N/D

Costo por tarea del Intelligence Index

Verbosidad

N/D

Tokens de salida del Intelligence Index

GLM-4.7-Flash (Non-reasoning) admite entrada de texto, genera texto y tiene una ventana de contexto de 200k tokens.

El precio de GLM-4.7-Flash (Non-reasoning) es de $0.07 por 1 M de tokens de entrada (moderado; mediana: $0.12) y $0.40 por 1 M de tokens de salida (algo elevado; mediana: $0.28).

Razonamiento	No Esta página muestra la versión sin razonamiento de este modelo. También puede existir una variante con razonamiento.
Modalidad de entrada	Admite: texto
Modalidad de salida	Admite: texto
Ventana de contexto	200k ~300 páginas A4 con fuente Arial de 12 puntos
Parámetros totales	31.2B
Parámetros activos	3B Número de parámetros activos por token durante la inferencia
Licencia	MIT
Pesos del modelo	Hugging Face

Las métricas se comparan con modelos de la misma clase:

Modelos sin razonamiento → se comparan solo con otros modelos sin razonamiento
Modelos de razonamiento → se comparan tanto con modelos de razonamiento como sin razonamiento
Modelos de pesos abiertos → se comparan solo con otros modelos de pesos abiertos de la misma categoría de tamaño:

Muy pequeño: ≤4B parámetros
Pequeño: 4B–40B parámetros
Mediano: 40B–150B parámetros
Grande: >150B parámetros

Modelos propietarios → se comparan con modelos propietarios y de pesos abiertos del mismo rango de precio mediante una proporción combinada de precios de entrada/salida de 3:1:

<$0.15 por 1 M de tokens
$0.15–$1 por 1 M de tokens
>$1 por 1 M de tokens

Updated

Inteligencia

Artificial Analysis Intelligence Index · Higher is better

No publicly available API

Tiempo por tarea

Inference time (minutes) per Intelligence Index task · Lower is better

No publicly available API

Costo por tarea

Weighted average cost (USD) per Intelligence Index task · Lower is better

No publicly available API

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index v5.0.1 incorporates 9 evaluations: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), and Terminal-Bench-Science 0.1

No publicly available API

Artificial Analysis Intelligence Index v5.0.1 includes: AA-Briefcase v1.1, AutomationBench-AA, Terminal-Bench 4.0, FrontierCode 2.0, AA-Omniscience v1.1, GDP.pdf, HLE-Diamond, CritPt v2 (Hard Subset), Terminal-Bench-Science 0.1. See Intelligence Index methodology for further details, including a breakdown of each evaluation and how we run them.

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

No publicly available API

Indicates whether the model weights are available. Models are labelled as 'Commercial Use Restricted' if commercial use is limited by conditions, and as 'Non-commercial' if the license prohibits commercial use.

Intelligence Index vs. costo por tarea

Artificial Analysis Intelligence Index · Weighted average cost (USD) per Artificial Analysis Intelligence Index task

Most attractive quadrant

Pareto line

Weighted average cost per Intelligence Index task. Each evaluation’s cost is calculated from input, cache hit, cache write, reasoning, and answer token prices, divided by task count, and weighted by its Intelligence Index weight.

Benchmarks

Evaluations

Evaluations measured independently by Artificial Analysis · AA-PersonalityBench scores are percentile ranks from 1 to 100

No publicly available API

AA-Briefcase v1.1

Agentic knowledge work, Elo

AA-Omniscience v1.1 AccuracyUpdated

Knowledge

AA-Omniscience v1.1 Non-Hallucination RateUpdated

1 - hallucination rate

AutomationBench-AA

Agentic SaaS workflows

Terminal-Bench-Science 0.1New

Agentic scientific research workflows in a terminal

FrontierCode 2.0New

Agentic software engineering in open-source repositories

HLE-DiamondNew

Reasoning & knowledge

GDP.pdf

Professional document reasoning, All-pass

Terminal-Bench 4.0

Agentic coding & terminal use

CritPt v2 (Hard Subset)

Physics reasoning

AA-AnalystAgent

Quantitative analysis on spreadsheets & documents

Harvey LAB-AA v1.1Updated

Legal agentic work, Hallucination-Gated All-Pass Rate

EnterpriseOps-Gym-AA

Agentic business operations

GDPval-AA v2.1

Agentic real-world work tasks, Elo

AA-3DNew

Agentic interactive 3D experiences, Elo

Code2Video-AANew

Product and brand videos designed in code, Elo

ITBench-AA

Kubernetes incident root-cause analysis

MLCR-AAUpdated

Medical long context reasoning

MMMU-Pro

Visual reasoning

AA-PersonalityBench: Expressiveness ScoreNew

Rich, varied, well-crafted language

AA-PersonalityBench: Organization ScoreNew

Well-structured, scannable, answer-first

AA-PersonalityBench: Transparency ScoreNew

Truthful, acknowledges uncertainty, non-sycophantic

AA-PersonalityBench: Slop ScoreNew

Use of filler and generic language

While model intelligence generally translates across use cases, specific evaluations may be more relevant for certain use cases.

Openness Index

Artificial Analysis Openness Index: puntuación

El Openness Index mide la apertura de los modelos en una escala normalizada de 0 a 100 (cuanto más alta, mayor apertura)

Costo

Costo por tarea del Intelligence Index

Weighted average cost (USD) per Intelligence Index task · Segmented by token type · Lower is better

No publicly available API

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost (USD) to run all evaluations in the Artificial Analysis Intelligence Index

No publicly available API

The cost to run the evaluations in the Artificial Analysis Intelligence Index, calculated using the model's input, cache hit, cache write, reasoning, and answer token prices and the number of tokens used across evaluations (excluding repeats).

Precios: aciertos de caché, entrada y salida

Price (USD per M Tokens)

No publicly available API

Price per token for cached prompts (previously processed), typically offering a significant discount compared to regular input price, represented as USD per million tokens. The values shown here are the cache hit price; cache write and cache storage are billed separately and vary by provider — see "Cache pricing by provider" for detail.

Ventana de contexto

Context window: tokens limit · Higher is better

No publicly available API

Larger context windows are relevant to RAG (Retrieval Augmented Generation) LLM workflows which typically involve reasoning and information retrieval of large amounts of data.

Maximum number of combined input & output tokens. Output tokens commonly have a significantly lower limit (varied by model).

Rendimiento

Medido por el tiempo por tarea (minutos), la velocidad de salida (tokens por segundo), el tiempo hasta el primer token de respuesta y el tiempo hasta el primer token (segundos)

Tiempo por tarea del Intelligence Index

Output tokens divided by end-to-end output speed (minutes per Intelligence Index task) · Speed at the model's own endpoint or the median across providers · Lower is better

No publicly available API

The weighted average time (minutes) per Artificial Analysis Intelligence Index task: output tokens per task divided by output speed, weighted by each benchmark's weight in the Intelligence Index.

Speed and latency metrics average each endpoint's runs over the past 5 days, and the error rate pools them. We run the benchmark every 6 hours, and endpoints of deprecated models every 18 hours.

Velocidad de salida

Output tokens divided by total request time, including time to first token · Higher is better

No publicly available API

Output tokens, including reasoning tokens, received per second over a request's full duration, from sending the request to receiving the final token. The headline value averages each Performance v3 workload over the past 5 days, then averages the workloads.

Tiempo hasta el primer token de respuesta

Segundos hasta recibir el primer token de respuesta · Incluye el tiempo de «pensamiento» de los modelos de razonamiento

No publicly available API

Time to first answer token received, in seconds, after API request sent. For reasoning models, this includes the 'thinking' time of the model before providing an answer. For models which do not support streaming, this represents time to receive the completion.

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Comparison between total model parameters and parameters active during inference (billions)

The total number of trainable weights and biases in the model, expressed in billions. These parameters are learned during training and determine the model's ability to process and generate responses.

The number of parameters actually executed during each inference forward pass, expressed in billions. For Mixture of Experts (MoE) models, a routing mechanism selects a subset of experts per token, resulting in fewer active than total parameters. Dense models use all parameters, so active equals total.

Preguntas frecuentes

Preguntas comunes sobre GLM-4.7-Flash (Non-reasoning)

GLM-4.7-Flash (Non-reasoning) se lanzó el 19 de enero de 2026.

GLM-4.7-Flash (Non-reasoning) fue creado por Z AI.

GLM-4.7-Flash (Non-reasoning) tiene un tiempo hasta el primer token de respuesta de 6.33 s (según la mediana de los proveedores que sirven el modelo), un valor en el extremo superior frente a otros modelos sin razonamiento, de pesos abiertos y tamaño similar (mediana: 2.39 s).

GLM-4.7-Flash (Non-reasoning) cuesta $0.07 por 1 M de tokens de entrada (mejor que el promedio; mediana: $0.12) y $0.40 por 1 M de tokens de salida (algo mayor que el promedio; mediana: $0.28), según la mediana de los proveedores que sirven el modelo.

GLM-4.7-Flash (Non-reasoning) cuesta $0.07 por 1 M de tokens de entrada y $0.40 por 1 M de tokens de salida (según la mediana de los proveedores que sirven el modelo). Con una tarifa combinada (proporción 7:2:1 entre aciertos de caché, entrada y salida), equivale a $0.08 por 1 M de tokens. El precio puede variar según el proveedor. Comparar precios de proveedores

No, GLM-4.7-Flash (Non-reasoning) no es un modelo de razonamiento. Responde directamente sin razonamiento extendido en cadena.

GLM-4.7-Flash (Non-reasoning) admite entrada de texto.

GLM-4.7-Flash (Non-reasoning) admite salida de texto.

No, GLM-4.7-Flash (Non-reasoning) no admite imágenes como entrada. Solo puede procesar texto.

No, GLM-4.7-Flash (Non-reasoning) no es multimodal. Solo admite entradas de texto.

GLM-4.7-Flash (Non-reasoning) tiene una ventana de contexto de 200k tokens. Esto determina cuánto texto e historial de conversación puede procesar el modelo en una sola solicitud.

Sí, GLM-4.7-Flash (Non-reasoning) es un modelo de pesos abiertos. Los pesos del modelo están disponibles públicamente y pueden descargarse para alojarlo por cuenta propia.

GLM-4.7-Flash (Non-reasoning) tiene 31,2 mil millones de parámetros (3 mil millones activos).

GLM-4.7-Flash (Non-reasoning) es un modelo de mezcla de expertos (MoE) con 31,2 mil millones de parámetros totales, pero durante la inferencia solo usa 3 mil millones de parámetros activos.

GLM-4.7-Flash (Non-reasoning) se publica bajo la licencia MIT, que permite el uso comercial. Ver licencia

Sí, GLM-4.7-Flash (Non-reasoning) está disponible mediante API a través de 2 proveedores. Comparar proveedores de API

GLM-4.7-Flash (Non-reasoning) está disponible a través de 2 proveedores de API. Comparar proveedores

Análisis de inteligencia, rendimiento y precio de GLM-4.7-Flash (Non-reasoning)

Resumen del modelo

InteligenciaUpdated

Rendimiento

Costo

Verbosidad

Resumen comparativo

Especificaciones técnicas

75 modelos en esta clase

Inteligencia

Tiempo por tarea

Costo por tarea

InteligenciaUpdated

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index

Artificial Analysis Intelligence Index: pesos abiertos vs. propietarios

Artificial Analysis Intelligence Index

Open Weights

Intelligence Index vs. costo por tarea

Cost per Intelligence Index Task

Artificial Analysis Intelligence Index

Benchmarks

Evaluations

Intelligence Evaluation Relevance

Artificial Analysis Intelligence Index

Openness Index

Artificial Analysis Openness Index: puntuación

Costo

Costo por tarea del Intelligence Index

Cost per Intelligence Index Task

Costo de ejecutar el Artificial Analysis Intelligence Index

Cost to Run Artificial Analysis Intelligence Index

Precios: aciertos de caché, entrada y salida

Cache Hit

Ventana de contexto

Ventana de contexto

Context Window for RAG

Context Window

Rendimiento

Tiempo por tarea del Intelligence Index

Time per Intelligence Index Task

Time Period

Velocidad de salida

End-to-End Output Speed

Tiempo hasta el primer token de respuesta

Time to First Answer Token

Tamaño del modelo (solo modelos de pesos abiertos)

Tamaño del modelo: parámetros totales y activos

Total Parameters

Active Parameters at Inference Time

Preguntas frecuentes

¿Cuándo se lanzó GLM-4.7-Flash (Non-reasoning)?

¿Quién creó GLM-4.7-Flash (Non-reasoning)?

¿Cuál es la latencia de GLM-4.7-Flash (Non-reasoning)?

¿Cuánto cuesta GLM-4.7-Flash (Non-reasoning)?

¿Cuál es el precio de la API de GLM-4.7-Flash (Non-reasoning)?

¿GLM-4.7-Flash (Non-reasoning) es un modelo de razonamiento?

¿Qué modalidades de entrada admite GLM-4.7-Flash (Non-reasoning)?

¿Qué modalidades de salida admite GLM-4.7-Flash (Non-reasoning)?

¿GLM-4.7-Flash (Non-reasoning) puede procesar imágenes?

¿GLM-4.7-Flash (Non-reasoning) es multimodal?

¿Cuál es la ventana de contexto de GLM-4.7-Flash (Non-reasoning)?

¿GLM-4.7-Flash (Non-reasoning) es de código abierto?

¿Cuántos parámetros tiene GLM-4.7-Flash (Non-reasoning)?

¿Cuáles son los parámetros activos de GLM-4.7-Flash (Non-reasoning)?

¿Qué licencia tiene GLM-4.7-Flash (Non-reasoning)?

¿GLM-4.7-Flash (Non-reasoning) está disponible mediante API?

¿Dónde puedo usar GLM-4.7-Flash (Non-reasoning)?