모델 비교
GLM-4.7
대
Qwen3-235B-A22B-Instruct-2507
2026. 2. 28.
가격
Input
$
0.42
/ M Tokens
$
0.09
/ M Tokens
Output
$
2.2
/ M Tokens
$
0.6
/ M Tokens
메타데이터
사양
주
Available
Available
건축
GLM-4 (Mixture of Experts)
Mixture-of-Experts (MoE)
교정된
네
네
전문가의 혼합
네
네
총 매개변수
355B
235B
활성화된 매개변수
32B
22B
추론
아니요
아니요
Precision
FP8
FP8
콘텍스트 길이
205K
262K
Max Tokens
205K
262K
지원됨 기능
Serverless
지원됨
지원됨
Serverless LoRA
지원하지 않음
지원하지 않음
Fine-tuning
지원하지 않음
지원하지 않음
Embedding
지원하지 않음
지원하지 않음
Rerankers
지원하지 않음
지원하지 않음
지원 Image Input
지원하지 않음
지원하지 않음
JSON Mode
지원하지 않음
지원됨
구조화된 Outputs
지원하지 않음
지원하지 않음
도구
지원됨
지원됨
Fim Completion
지원하지 않음
지원하지 않음
Chat Prefix Completion
지원하지 않음
지원됨
GLM-4.7비교에서
보세요 어떻게 GLM-4.7다른 인기 있는 모델과 주요 측면에서 비교합니다.
VS
MiniMax-M2.5
VS
GLM-5
VS
Step-3.5-Flash
VS
MiniMax-M2.1
VS
Kimi-K2-Thinking
VS
MiniMax-M2
VS
Qwen3-VL-235B-A22B-Instruct
VS
Qwen3-VL-235B-A22B-Thinking
VS
Ring-flash-2.0
VS
Ling-flash-2.0
VS
Qwen3-Next-80B-A3B-Instruct
VS
Qwen3-Next-80B-A3B-Thinking
VS
Kimi-K2-Instruct-0905
VS
gpt-oss-120b
VS
step3
VS
Qwen3-235B-A22B-Thinking-2507
VS
Qwen3-Coder-480B-A35B-Instruct
VS
Qwen3-235B-A22B-Instruct-2507
VS
Kimi-K2-Instruct
VS
Hunyuan-A13B-Instruct
