# GLM-4.7

> Fiche du modèle de langage GLM-4.7 sur Quelle IA, édition du 28 septembre 2026. GLM-4.7 (Z.ai (Zhipu AI)) : score IA de 74,5, 84e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/glm-4-7/
Origine : Z.ai (Zhipu AI) · Chine · sorti le 22 décembre 2025

## Score général

- Score IA : 74,5 (marge à 90 % : de 70,9 à 78,2)
- Rang : 84 (Groupe 8, ex æquo)
- Couverture : 95 % du poids des tâches, 19 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 72,2 | Provisoire · 22 % |
| Code | 73,2 | Provisoire · 23 % |
| Agents | 81,6 | Provisoire · 11 % |
| Usage | 76,6 | Rang 82 · 100 % |
| Maths | 70,1 | Rang 71 · 62 % |
| Sciences | 75,1 | Rang 56 · 60 % |
| Français | 70,1 | Rang 66 · 50 % |
| Vision | non mesuré | Non mesuré |
| Écriture | 76,1 | Rang 83 · 100 % |
| Web | 79,0 | Rang 62 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [GLM-4.7 (Reasoning)](https://artificialanalysis.ai/models/glm-4-7) | 22,2 (estimé) | hors classement | 66,0 jetons/s | 1,29 s | 0,6 $ / 2,2 $ |
| [GLM-4.7 (Non-reasoning)](https://artificialanalysis.ai/models/glm-4-7-non-reasoning) | 17,4 (estimé) | hors classement | 62,7 jetons/s | 1,39 s | 0,6 $ / 2,2 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/glm-4-7

## Exécution locale

Tient à partir d'une DGX Station (252 Go utiles), en version allégée à 4 bits, par exemple une DGX Station. Mémoire estimée : 246,3 Go.

- Allégée, 4 bits : 246,3 Go
- Allégée, 8 bits : 431,1 Go
- Complète, 16 bits : 821,1 Go

- Plus petite machine : [DGX Station](https://quelleia.com/local/#dgx_station), version allégée à 4 bits
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : [Mac 512 Go](https://quelleia.com/local/#mac_512_go), version allégée à 4 bits ; par exemple [Mac Studio M5 Ultra, 512 Go](https://quelleia.com/local/mac-studio-m5-ultra-512go/)
- Ryzen AI Max : Trop juste
- Nvidia DGX : [DGX Station](https://quelleia.com/local/#dgx_station), version allégée à 4 bits ; par exemple [Nvidia DGX Station](https://quelleia.com/local/dgx-station/)
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,35 € / 1,52 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 202 752 jetons (environ 152 000 mots)
- Entrées : Texte
- Réflexion : Non communiqué
- Paramètres : 357 milliards
- Licence : MIT (poids ouverts, téléchargeables)
- Classe énergétique : D (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Avril 2025

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/zai-org/GLM-4.7)
- Sur votre machine : [Ollama](https://ollama.com/search?q=GLM-4.7)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/z-ai/glm-4.7)
- Par API : [API Z.ai (Zhipu AI)](https://docs.z.ai)
- L'essayer : [Z.ai](https://chat.z.ai)

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 83,3 % | 73,4 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 83,3 % | 75,5 | actif | https://epoch.ai/benchmarks |
| Arena, texte | Usage | 1 441,5 Elo | 79,0 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 484,0 Elo | 78,1 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 404,9 Elo | 77,7 | actif | https://arena.ai/leaderboard |
| Arena, questions d'experts | Sciences | 1 448,9 Elo | 75,5 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 427,7 Elo | 75,1 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 447,8 Elo | 75,6 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 434,5 Elo | 79,6 | actif | https://arena.ai/leaderboard |
| Vending-Bench 2 | Agents | 2 377 $ | 85,3 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 45,1 % | 77,5 | actif | https://artificialanalysis.ai/evaluations/scicode |
| SimpleBench | Raisonnement | 47,7 % | 74,9 | actif | https://epoch.ai/benchmarks |
| SimpleBench | Raisonnement | 47,7 % | 74,9 | actif | https://epoch.ai/benchmarks |
| compar:IA | Français | 917,0 Elo | 26,4 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| Terminal-Bench 2.0 | Code | 33,4 % | 72,5 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 33,3 % | 72,5 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| SimpleQA Verified | Données | 32,2 % | 75,4 | actif | https://epoch.ai/benchmarks |
| CL-bench | Données | 15,9 % | 74,1 | actif | https://epoch.ai/benchmarks |
| CL-bench Life | Données | 10,9 % | 77,4 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 6 % | 77,2 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 2,4 % | 61,4 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 1,7 % | 66,2 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 6 % | 48,6 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 0 % | 66,0 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de GLM-4.7 ?** GLM-4.7 obtient un score IA de 74,5, avec une marge de 70,9 à 78,2, dans l'édition du 28 septembre 2026. Il est classé 84e sur 246 modèles, à partir de 19 mesures.

**Dans quelles tâches GLM-4.7 est-il le plus fort ?** Ses deux meilleures tâches sont agents (81,6) et web (79,0). Sa tâche la plus faible est français (70,1).

**GLM-4.7 peut-il tourner en local ?** Tient à partir d'une DGX Station (252 Go utiles), en version allégée à 4 bits, par exemple une DGX Station. Mémoire estimée : 246,3 Go.

**Combien coûte GLM-4.7 ?** 0,35 € par million de jetons en entrée et 1,52 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite GLM-4.7 ?** GLM-4.7 est édité par Z.ai (Zhipu AI) (Chine), et il est sorti le 22 décembre 2025. Ses poids sont ouverts, sous licence MIT.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com