文章核心观点 - 智谱公司发布新一代开源大模型GLM-4.7，在代码竞技场WebDev榜单上超越GPT-5.2，位列开源模型第一，并在多项实际应用测试中表现出色，被社区高度认可 [1][2][41] - 模型性能的显著提升源于对后训练阶段的深度优化，包括精细化的发布配方、复杂的预训练数据流程以及创新的自研强化学习框架Slime [4][7][8][24] - 公司强调其产品设计核心是平衡训练/部署成本与性能，致力于让模型在消费级硬件上高效运行，并承诺上市后将持续投入开源，视其为保持技术领先和建立生态的关键 [9][42][46] 模型性能与市场表现 - 在代码竞技场WebDev榜单中，GLM-4.7以1449分（初步分数）排名总榜第6，在开源模型中位列第一，超越了GPT-5.2（1398分）等闭源模型 [2] - 社区实测反馈积极，在编程、游戏开发、PPT制作、海报设计等任务中表现卓越，被用户评价为“Amazing”和“完胜”竞品 [2][3][35][38][39] - 模型获得市场认可，估值400亿美元的Fireworks公司在发布首日（Day0）即宣布支持GLM-4.7，且其订阅价格被认为极具竞争力（一年订阅费约等于Claude Code一个月的Max Plan） [47][51] 技术优化与创新 - 性能提升主要来自后训练阶段的优化：在监督微调（SFT）和强化学习（RL）阶段采用了更精细的“发布配方”，通过对不同领域数据集进行对齐，提升了基准测试分数和实际部署的稳定性 [7][8] - 引入“交错思考”（Interleaved Thinking）机制，使模型在执行动作前进行隐性思考，类似于思维链，从而在处理复杂的多模态任务（如图表分析、看图写代码）时提高了准确度，减少了鲁莽操作 [19][21] - 针对编程能力进行了大量专项优化，使其在多语言编码（包括Python、JS及冷门语言）和复杂逻辑架构理解上表现出色，并深度打磨了智能体框架（影响性能高达30%）、系统提示词和工具调用层级 [15][16][17] 产品设计与战略 - 模型设计以训练成本和部署成本为核心锚点，旨在让模型在消费级显卡上也能运行，同时保持接近300亿参数模型的逻辑能力，体现了在有限参数下压榨极致性能以实现AI真正落地的思路 [9] - 公司建立了一套复杂的预训练数据流程，包括多源采集（高质量论文、小说等）、极致清理（去重、质量过滤、敏感词筛查）以及对齐策略，旨在让模型的写作风格更生动、更人性化 [11][12][18] - 在创意写作和角色扮演方面取得进步，通过从小说和剧本中学习，模型能进行更丰富的细节描写并更好地维持角色设定，减少了“出戏”频率 [14][18] 开源承诺与生态建设 - 面对即将赴港IPO的传闻，公司团队在Reddit AMA中明确承诺，上市后将持续投入开源，并强调开源是公司的核心基因，是回馈生态、保持技术领先和建立开发者标准的最优路径 [42][44][46] - 公司开源了自研的强化学习框架Slime，该框架专为大规模强化学习设计，支持多种对齐算法，旨在帮助开发者更容易地复现GLM级别的模型对齐效果，体现了其对开源生态的回馈 [24][25][27] - 公司在Reddit AMA活动中展现了高透明度和接地气的沟通风格，详细分享了从数据收集到质量过滤的完整流程，赢得了开发者社区的尊重 [28][29][31] 应用场景与功能演示 - 在游戏开发实测中，仅根据提供的素材链接和简单提示，GLM-4.7成功生成了一个“声色俱全”的《植物大战僵尸》游戏 [33][35] - 在办公自动化方面，模型能根据“做一个介绍巴黎的PPT”的简单指令，生成达到直接商用程度的PPT演示文稿 [35][36] - 在创意设计方面，例如生成运动鞋宣传海报，GLM-4.7的效果相比前代GLM-4.6有显著提升，差距一目了然 [38][39]