GLM 4.7 ist WAHNSINN für Software-Entwicklung...

Die Jungs von ZAI haben GLM 4.7 mit einem Preis von 29 Dollar pro Jahr veröffentlicht und erreichen damit eine beeindruckende Platzierung von 73% auf der SWE-Benchmark, was Sonnet 4.5 ebenbürtig ist. Das Video wird als Teil der Serie "Debunked" präsentiert, in der KI-Tools und KI-Modelle mit echten Tests gründlich überprüft werden, um Marketing-Hype zu durchschauen und ehrliche Ergebnisse zu zeigen. Das Team merkt an, dass das Timing der Veröffentlichung kein Zufall ist, da ZAI an die Börse geht und westliche Akzeptanz zeigen muss – ein ungewöhnlicher Schritt für ein chinesisches KI-Labor ist sogar ein Live-Q&A auf Reddit. Der Titel des Videos signalisiert, dass 4.6 echte Probleme hatte, und dieses Video wird untersuchen, ob diese in Version 4.7 wirklich behoben wurden.

GLM 4.7 wurde hauptsächlich durch Post-Training verbessert, nicht durch grundlegende Architekturveränderungen. Das Modell ist stark auf Claude-Code optimiert, und das ZAI-Team hat explizit bestätigt, dass dies ihr Priority-Framework ist. Aktuell schlägt GLM 4.7 viele Top-Modelle, einschließlich GPT-5, besonders bei Code-Benchmarks. Zusätzlich zu den Code-Verbesserungen hat ZAI drei neue MCP-Tools hinzugefügt, die als separate MCP-Server funktionieren und nur einen API-Schlüssel für die Verbindung benötigen. Diese Tools sind im Plan enthalten, sind aber separat vom Modell selbst implementiert.

Die Nutzungslimits von GLM 4.7 sind ähnlich wie bei 4.6, aber der Preis-Leistungs-Unterschied zu Claude ist bemerkenswert. Bei der Entry-Level-Plan erhält man 10-40 Prompts in Claude-Code, während GLM-Code 120 Prompts für nur 3 Dollar bietet – ein enormer Unterschied. Der 200-Dollar-Claude-Plan bietet 800 Prompts in einem 5-Stunden-Fenster, während der 30-Dollar-GLM-Plan 2.400 Prompts bereitstellt. Alle Tarife sind im ersten Monat reduziert und verdoppeln sich danach, aber der Jahresplan ist deutlich günstiger. Ein weiterer wichtiger Benchmark ist Humanity's Last Exam, ein ungesättigter Benchmark, bei dem die meisten neueren Modelle schlecht abschneiden, weil er wirklich schwierig ist.

Der Tester nutzte einen speziellen Prompt für die UI-Tests, der sich auf Design-Logik konzentriert statt auf Architektur, wobei auch Design-Optionen angeboten werden. Das Szenario war eine KI-gestützte Code-Review-Plattform mit Vanilla-JS. Sonnet 4.5 hat eine hochwertige UI ohne Emojis produziert, die zu einer soliden Design-Sprache passt. GLM 4.7 produzierte ebenfalls ein gutes Design, machte aber einen Fehler bezüglich der Längenkonsistenz, weshalb die Artefakte teilweise zerfallen, und nutzte unangebrachte Emojis. Trotz dieser Mängel ist das Design von GLM 4.7 technisch solide, aber Claude schnitt in dieser Designaufgabe deutlich besser ab.

Beide Modelle wurden gebeten, die Hauptseite einer Netflix-ähnlichen Streaming-Plattform mit vorinstallierten Framer Motion und ShadCN-Komponenten zu bauen. Ein kritisches Problem mit GLM 4.6 war die extrem langsame Code-Generierung, was in 4.7 leider nicht behoben wurde. Allerdings gibt es eine positive Änderung: GLM 4.7 zeigt jetzt sichtbares Denken innerhalb von Claude-Code, während 4.6 dies nicht tat. Ein großer Nachteil ist der mangelnde Autonomie: GLM 4.7 ignorierte den vordefinierten UI-Benchmark-Ordner und erstellte stattdessen eigene Next.js-Apps. Bei der Code-Architektur überraschte GLM 4.7 positiv, indem es alle Mock-Daten in eine zentrale Datei platzierte, während Claude jeden Komponenten-Import separat setzte – ein deutlicher Vorteil für zukünftige Backend-Implementierung.

Trotz überraschend guter Architektur-Ergebnisse wird festgestellt, dass GLM 4.7 kein Modell für völlig autonomes Coding ist und aufgrund seiner Eigenheiten kontinuierliche Steuerung benötigt. Der 29-Dollar-pro-Jahr-Plan wird jedem empfohlen, besonders wenn man bereits den 20-Dollar-Claude-Plan hat, da dies praktisch kostenlos ist. GLM 4.7 zeigt einen großen Sprung gegenüber 4.6 und die Benchmarks sind durch die Tests gerechtfertigt. Abschließend wird betont, dass man sich nicht ausschließlich auf GLM 4.7 verlassen sollte, aber es ist eine ausgezeichnete Option als Ergänzung, da es trotz Mängel überraschend gut bei der Code-Architektur abschneidet.