Сравнение Model
GLM-4.7
против
Ling-flash-2.0
28 февр. 2026 г.
Цены
Input
$
0.42
/ M Tokens
$
0.14
/ M Tokens
Output
$
2.2
/ M Tokens
$
0.57
/ M Tokens
Метаданные
Создать на
22 дек. 2025 г.
17 сент. 2025 г.
Лицензия
MIT
MIT LICENSE
Поставщик
Z.ai
inclusionAI
Спецификация
Государство
Available
Available
Архитектура
GLM-4 (Mixture of Experts)
Ling 2.0 MoE architecture
Калибровка
Да
Нет
Смешение экспертов
Да
Да
Общее количество параметров
355B
100B
Активированные параметры
32B
6.1B
Мышление
Нет
Нет
Точность
FP8
FP8
Длина контекста
205K
131K
Максимум Tokens
205K
131K
поддерживается функциональность
Безсерверный
поддерживается
поддерживается
Безсерверный LoRA
Не поддерживается
Не поддерживается
Тонкая настройка
Не поддерживается
Не поддерживается
Embeddings
Не поддерживается
Не поддерживается
Rerankers
Не поддерживается
Не поддерживается
Поддержка Image Input
Не поддерживается
Не поддерживается
Режим JSON
Не поддерживается
поддерживается
Структурированные Outputs
Не поддерживается
Не поддерживается
Инструменты
поддерживается
поддерживается
Завершение погашения
Не поддерживается
Не поддерживается
Chat Префикс Заполнение
Не поддерживается
поддерживается
GLM-4.7в сравнении
Смотрите как GLM-4.7сравнивается с другими популярными моделями по ключевым параметрам.
ВС
MiniMax-M2.5
ВС
GLM-5
ВС
Step-3.5-Flash
ВС
MiniMax-M2.1
ВС
Kimi-K2-Thinking
ВС
MiniMax-M2
ВС
Qwen3-VL-235B-A22B-Instruct
ВС
Qwen3-VL-235B-A22B-Thinking
ВС
Ring-flash-2.0
ВС
Ling-flash-2.0
ВС
Qwen3-Next-80B-A3B-Instruct
ВС
Qwen3-Next-80B-A3B-Thinking
ВС
Kimi-K2-Instruct-0905
ВС
gpt-oss-120b
ВС
step3
ВС
Qwen3-235B-A22B-Thinking-2507
ВС
Qwen3-Coder-480B-A35B-Instruct
ВС
Qwen3-235B-A22B-Instruct-2507
ВС
Kimi-K2-Instruct
ВС
Hunyuan-A13B-Instruct
