💡 站外导读：在AI编程助手已成开发者标配的今天，模型对复杂任务的理解力、稳定性和多工具协同能力，正成为区分“能用”与“好用”的关键。智谱AI最新发布的旗舰模型GLM-4.7，正是瞄准这一核心痛点。它不仅在SWE-bench等权威编码基准上刷新开源纪录，更通过引入创新的“思考模式”，试图解决AI在执行长链路、多步骤任务时常见的规划偏差与过程失控问题，为智能体时代下的开发范式提供了新思路。
GLM-4.7 是智谱AI推出的开源模型，专注于提升编码能力、推理能力和工具协同。模型在多语言编程、复杂任务规划、前端设计美学等方面表现出色，支持多种编程框架，如Claude Code等。在基准测试中，GLM-4.7的代码能力达到开源领先水平，推理能力显著增强。模型引入交错式、保留式和轮级思考模式，使复杂任务执行更稳定、可控。模型现已通过BigModel提供API服务，在z.ai全栈开发模式中上线Skills模块，为开发者提供高效、智能的编程体验。
核心编码能力：GLM-4.7在多语言编程和终端任务中表现卓越，支持“先思考、再行动”模式，显著提升复杂任务的稳定性和代码质量。
前端设计优化：支持生成更现代、美观的网页和幻灯片，提升UI设计质量，减少开发者在样式调整上的时间。
工具调用能力：在工具调用和网页浏览任务中表现出色，例如τ²-Bench得分87.4%，BrowseComp得分67.5分，效率和准确性大幅提升。
复杂推理能力：数学和推理能力显著增强，HLE基准测试得分42.8%，较前代提升12.4%，能处理复杂逻辑和数学问题。
思考模式优化：引入交错式、保留式和轮级思考模式，提升复杂任务的执行稳定性与可控性，适合长程任务和多轮对话。
多模态与全栈开发：支持多模态任务协同和全栈开发，集成Skills模块，助力开发者构建交互丰富、体验流畅的应用。
SWE-bench Verified：得分73.8%，较GLM-4.6提升5.8个百分点，达到开源模型的SOTA水平。
SWE-bench Multilingual：得分66.7%，较GLM-4.6提升12.9个百分点，多语言编程能力显著增强。
Terminal Bench 2.0：得分41%，较GLM-4.6提升16.5个百分点，终端任务性能大幅提升。
τ²-Bench：得分87.4%，较GLM-4.6提升12.2个百分点，交互式工具调用能力达到开源SOTA水平。
BrowseComp（网页浏览）：得分52.0%，较GLM-4.6提升6.9个百分点；在启用上下文管理的BrowseComp测试中，得分67.5%，较GLM-4.6提升10.0个百分点，网页浏览与工具链管理表现更优。
HLE（人类最后的考试）：得分42.8%，较GLM-4.6提升12.4个百分点，数学与推理能力显著增强。
MMLU-Pro：得分84.3%，较GLM-4.6提升1.1个百分点，多领域推理能力表现稳定。
GPQA-Diamond：得分85.7%，较GLM-4.6提升4.7个百分点，推理准确性进一步提升。
编程与软件开发：GLM-4.7能生成高质量多语言代码，作为智能编程助手提升开发效率。
前端开发与设计：在网页设计和UI/UX设计中，快速生成现代美观的布局与配色方案，减少前端开发者和设计师的样式调整时间。
复杂任务规划与执行：凭借保留式思考和轮级思考模式，GLM-4.7能处理多步骤复杂任务，确保长程任务的准确性和稳定性。
教育与学习：GLM-4.7为编程教育提供代码示例和练习，同时通过数学和逻辑问题训练，帮助学生提升思维能力。
办公自动化：GLM-4.7能自动生成文档、报告和数据分析代码，减少人工编写和排版时间，提升办公效率。
GLM-4.7的发布，标志着开源大模型的竞争已从单纯的“跑分”进入了“工程化能力”与“思维架构”深水区。其亮点不仅在于SWE-bench等编码榜单的登顶，更在于“交错式”、“保留式”和“轮级”思考模式的引入。这并非简单的提示词工程，而是对模型内部“认知过程”的一种结构化设计，旨在让AI像人类开发者一样，在行动中保持上下文、进行阶段性反思与规划。这直接回应了当前AI Agent开发中“过程可控性”这一最大挑战。结合其在工具调用（τ²-Bench）上的SOTA表现，GLM-4.7正在从“代码生成器”向“可信赖的数字工程师”演进。这预示着，未来AI编程工具的竞争核心，将是如何更稳定、更可靠地融入企业复杂的研发流水线与自动化工作流，而不仅仅是回答孤立的技术问题。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。