вход 41,32 ₽/1M
выход 180,78 ₽/1M
z-ai/glm-4.7
Zhipu
GLM-4.7 API
Флагманская модельТекстовые: чат, reasoning и код
Сравнение цен на GLM-4.7 у российских LLM-агрегаторов. Оплата в рублях, без VPN и иностранных карт.
Вход от
41,32 ₽/1M
Выход от 180,78 ₽/1M
- Контекст
- 200K
- Модальности
- текст
- Агрегаторов
- 7
Цены на API GLM-4.7
7 предложений · цены нормализованы к ₽/1M токенов
Перейти →
вход 42,66 ₽/1M
выход 195,34 ₽/1M
z-ai/glm-4.7
вход 45,61 ₽/1M
выход 199,55 ₽/1M
z-ai/glm-4.7
вход 80 ₽/1M
выход 350 ₽/1M
zhipu/glm-4.7
вход 81 ₽/1M
выход 297 ₽/1M
zai/glm-4.7
вход 0,15 ₽/1K≈ 150 ₽/1M
выход 0,55 ₽/1K≈ 550 ₽/1M
zhipu/glm-4.7
вход 549 ₽/1M
выход 793 ₽/1M
zhipu/glm-4.7
| ID модели | ||||
|---|---|---|---|---|
| RouterAI | z-ai/glm-4.7 | 41,32 ₽/1M | 180,78 ₽/1M | Перейти → |
| Polza AI | z-ai/glm-4.7 | 42,66 ₽/1M | 195,34 ₽/1M | Перейти → |
| RouterAPI | z-ai/glm-4.7 | 45,61 ₽/1M | 199,55 ₽/1M | Перейти → |
| AITunnel | zhipu/glm-4.7 | 80 ₽/1M | 350 ₽/1M | Перейти → |
| Timeweb Cloud | zai/glm-4.7 | 81 ₽/1M | 297 ₽/1M | Перейти → |
| GenAPI | zhipu/glm-4.7 | 0,15 ₽/1K≈ 150 ₽/1M | 0,55 ₽/1K≈ 550 ₽/1M | Перейти → |
| Cloud.ru | zhipu/glm-4.7 | 549 ₽/1M | 793 ₽/1M | Перейти → |
Частые вопросы
Сколько стоит GLM-4.7 API в России?+−
Минимальная цена входа - 41,32 ₽/1M за 1M токенов у AITunnel, Cloud.ru, GenAPI, Polza AI, RouterAI, RouterAPI, Timeweb Cloud. Точная цена зависит от провайдера.
Как подключить GLM-4.7 без VPN?+−
Зарегистрируйтесь у российского агрегатора (RouterAI, GenAPI и др.), получите API-ключ и укажите их base_url вместо OpenAI. Формат запросов совместим с OpenAI API.
Похожие модели
GLM-4.7, флагманская текстовая модель семейства Zhipu, разработанная компанией Zhipu AI (Z.ai). Использует архитектуру Mixture-of-Experts (MoE) с 358 млрд общих параметров, из которых около 32 млрд активируются на каждый токен. Поддерживает контекстное окно токенов, принимает и генерирует только текст. Выпущена в декабре 2025 года, веса открыты под лицензией MIT.
Модель оптимизирована для агентного программирования (agentic coding), достигает 73.8% на бенчмарке SWE-bench Verified. Использует механизм Interleaved Thinking: модель обдумывает ответ перед генерацией и вызовом инструментов, что повышает точность выполнения сложных инструкций.