如何在 Claude Code 和 Cursor 中使用 GLM-4.7 (2026)
将智谱的 GLM-4.7 集成到您的 AI 编程工作流中
Hypereal AI Team开始使用 Hypereal AI 构建
通过单个 API 访问 Kling、Flux、Sora、Veo 等模型。免费额度即可起步，可扩展至千万级。
无需信用卡 • 10 万+ 开发者 • 企业级服务
如何在 Claude Code 和 Cursor 中使用 GLM-4.7 (2026)
GLM-4.7 是智谱 AI（Zhipu AI）推出的最新大语言模型，因其强大的编程性能、极具竞争力的价格以及慷慨的 API 限额而备受关注。如果你正寻求在 Claude 和 GPT 之外实现 AI 编程工具的多样化，将 GLM-4.7 集成到你现有的 Claude Code 和 Cursor 工作流中非常简单。
本指南将带你逐步完成在上述工具中将 GLM-4.7 设置为备选或互补模型的配置。
什么是 GLM-4.7？
GLM-4.7 是智谱 AI（一家总部位于北京的 AI 公司）推出的 GLM（通用语言模型）系列中的最新模型。该模型在编程基准测试中足以媲美 Claude Sonnet 和 GPT-4o，而成本却显著降低。
GLM-4.7 核心规格
| 规格 | GLM-4.7 |
|---|---|
| 开发者 | 智谱 AI (Zhipu AI) |
| 上下文窗口 | 128K tokens |
| 多语言支持 | 中文、英文及 25+ 种语言 |
| 编程性能 | 媲美 Claude Sonnet 4 |
| API 价格 | 约 $0.50/M 输入, 约 $1.50/M 输出 |
| 权重开放 | 部分开放（特定变体） |
| 工具调用 | 支持 |
| 视觉能力 | 支持（多模态变体） |
GLM-4.7 性能对比
| 模型 | 编程评分* | 上下文 | 输入成本 ($/M) | 输出成本 ($/M) |
|---|---|---|---|---|
| GLM-4.7 | 82.1 | 128K | ~$0.50 | ~$1.50 |
| Claude Sonnet 4 | 85.3 | 200K | $3.00 | $15.00 |
| GPT-4o | 83.7 | 128K | $2.50 | $10.00 |
| DeepSeek V3 | 81.5 | 128K | $0.27 | $1.10 |
| Gemini 2.5 Pro | 84.2 | 1M | $1.25 | $10.00 |
*约算的综合编程基准得分。实际性能因任务而异。
GLM-4.7 以 Claude 或 GPT-4o 一小部分的成本提供了强大的编程能力，使其成为处理大批量编程任务的绝佳选择。
获取 GLM-4.7 API Key
方案 1：直接从智谱 AI 获取
- 访问 open.bigmodel.cn（智谱 AI 开放平台）。
- 创建账户并完成身份验证。
- 导航至 API Keys 页面。
- 生成一个新的 API Key。
- 复制并安全妥善保存该 Key。
智谱 AI 通常会为新账户提供免费额度。
方案 2：通过 OpenRouter 获取
OpenRouter 允许通过兼容 OpenAI 格式的统一 API 访问 GLM-4.7：
- 访问 openrouter.ai 并创建账户。
- 为账户充值。
- 复制你的 OpenRouter API Key。
- GLM-4.7 在 OpenRouter 上的模型 ID 通常为
zhipu/glm-4.7。
如果你已经在其他模型中使用 OpenRouter，这是更简便的选择，因为它提供了标准化的 API。
在 Cursor 中使用 GLM-4.7
Cursor 允许在设置中自定义模型供应商。以下是添加 GLM-4.7 的步骤。
方法 1：通过 OpenRouter（推荐）
- 打开 Cursor 设置（齿轮图标或
Cmd+,）。 - 导航至 Models。
- 在 OpenAI API Key 处输入你的 OpenRouter API Key。
- 将 Base URL 设置为
https://openrouter.ai/api/v1。 - 在模型列表中，点击 + Add Model 并输入
zhipu/glm-4.7。
现在，你可以在 Cursor 的 Composer 或 Chat 的模型下拉菜单中选择 GLM-4.7。
方法 2：通过智谱 AI 原生 OpenAI 兼容接口
智谱 AI 提供兼容 OpenAI 的端点。你可以配置 Cursor 直接连接：
- 打开 Cursor 设置 > Models。
- 将 Base URL 设置为
https://open.bigmodel.cn/api/paas/v4。 - 输入你的智谱 API Key。
- 添加模型名称：
glm-4.7。
Cursor 配置示例
配置完成后，你的 Cursor 模型列表应类似如下：
| 模型 | 供应商 | 用途 |
|---|---|---|
| claude-sonnet-4 | Anthropic | 主力编程模型 |
| glm-4.7 | Zhipu/OpenRouter | 高性价比备选 |
| gpt-4o | OpenAI | 通用任务 |
| deepseek-v3 | DeepSeek | 极低成本选项 |
你可以在不同对话中切换模型。建议在复杂架构设计时使用 Claude Sonnet，在日常常规编程任务中使用 GLM-4.7 以节省成本。
在 Cursor Composer 中使用 GLM-4.7
配置完成后，打开 Composer (Cmd+I 或 Ctrl+I) 并在下拉菜单中选择 GLM-4.7：
Model: glm-4.7
Prompt: 重构 UserService 类以使用 Repository 模式。
创建一个 UserRepository 接口和相应的 PostgresUserRepository 实现。
Cursor 将使用 GLM-4.7 进行规划并执行多文件编辑，操作体验与其他模型一致。
在 Claude Code 中使用 GLM-4.7
Claude Code 是 Anthropic 的命令行工具，默认主要使用 Claude 模型。但是，你可以通过自定义 API 配置来使用第三方模型。
方法 1：使用带有自定义供应商的 --model 标签
Claude Code 支持通过 --model 标签指定模型。要使用 GLM-4.7，你需要配置一个自定义供应商：
# 为 OpenRouter 设置环境变量
export OPENROUTER_API_KEY="sk-or-xxxxxxxxxxxxx"
# 通过 OpenRouter 在 Claude Code 中使用自定义模型
claude --model openrouter/zhipu/glm-4.7
方法 2：使用模型配置文件
将 GLM-4.7 添加到你的 Claude Code 配置中。编辑 ~/.claude/settings.json：
{
"models": {
"glm-4.7": {
"provider": "openrouter",
"apiKey": "sk-or-xxxxxxxxxxxxx",
"model": "zhipu/glm-4.7"
}
}
}
然后在交互式会话中切换模型：
claude
> /model glm-4.7
方法 3：混合工作流
最务实的方法是将 Claude 作为主模型，并在适当时将特定任务路由给 GLM-4.7：
# 使用 Claude 处理复杂的架构决策
claude "为多租户 SaaS 应用设计数据库 schema"
# 使用 GLM-4.7 处理常规 CRUD 操作（通过 OpenRouter/自定义设置）
claude --model glm-4.7 "为 User 模型生成 CRUD 接口"
实用集成模式
模式 1：成本优化工作流
将 GLM-4.7 用于高频常规任务，将 Claude 留给复杂工作：
| 任务类型 | 推荐模型 | 原因 |
|---|---|---|
| 生成样板代码 (Boilerplate) | GLM-4.7 | 价格极低、速度快、表现足以胜任 |
| CRUD 接口实现 | GLM-4.7 | 任务模式化程度高 |
| 单元测试生成 | GLM-4.7 | 模式化、任务量大 |
| 架构设计 | Claude Sonnet/Opus | 需要深层次推理能力 |
| 复杂 Debug | Claude Sonnet/Opus | 需要广泛的上下文理解 |
| 代码审查 (Code Review) | GLM-4.7 或 Claude | 两者均表现优秀 |
模式 2：二阶段验证工作流
利用 GLM-4.7 对 Claude 的输出进行二次评估：
# 获取 Claude 的解决方案
claude "为 Express.js 实现速率限制中间件"
# 与 GLM-4.7 的实现方案进行对比
claude --model glm-4.7 "为 Express.js 实现速率限制中间件"
不同模型各有所长。对比输出可以帮你找到最佳实现方案。
模式 3：特定语言优化
GLM-4.7 在以下方面表现尤为突出：
- Python 和 JavaScript/TypeScript 代码
- 中文文档和注释
- 数据处理和算法任务
- 测试脚本生成
# GLM-4.7 擅长生成带有详尽注释的 Python 代码
claude --model glm-4.7 "写一个 Python 数据流水线：读取 CSV 文件，
清洗数据，并输出为 Parquet 格式。添加类型提示（Type Hints）和 docstrings。"
针对你的场景测试 GLM-4.7
在将 GLM-4.7 正式引入生产工作流之前，建议针对你的特定任务进行基准测试。以下是一个简单的方法：
# 创建测试提示词文件
cat << 'EOF' > test-prompt.txt
创建一个 TypeScript 函数，要求：
1. 接收一个包含 name, email, age 的 user 对象数组
2. 验证所有字段 (email 格式, age > 0)
3. 根据 email 去重
4. 按 age 升序排序
5. 返回清洗后的数组
包含完整的 TypeScript 类型定义和错误处理。
EOF
# 使用 Claude 测试
claude -p < test-prompt.txt > claude-output.ts
# 使用 GLM-4.7 测试
claude -p --model glm-4.7 < test-prompt.txt > glm-output.ts
# 对比输出结果
diff claude-output.ts glm-output.ts
从以下维度评估输出：
| 评价指标 | 权重 |
|---|---|
| 正确性 | 高 |
| 代码风格与可读性 | 中 |
| 类型安全 | 中 |
| 边缘情况处理 | 高 |
| 文档/注释 | 低 |
| 响应速度 | 低 |
常见问题排查
Cursor 提示 "Model not found"：
请确保模型 ID 正确。在 OpenRouter 上，它通常是 zhipu/glm-4.7。请在 OpenRouter 模型页面查看确切 ID。
身份验证失败：
检查 API Key 是否正确且有足够余额。智谱原生 Key 有特定前缀，OpenRouter Key 以 sk-or- 开头。
响应延迟： GLM-4.7 的服务器主要位于中国。如果你在海外访问，响应延迟可能高于 Claude 或 GPT。使用 OpenRouter 作为中转有时可以优化路由。
代码注释中出现中文： GLM-4.7 偶尔会生成中文注释或变量名，特别是当提示词比较模糊时。可以在 Prompt 或自定义指令中添加明确要求，例如：“Write all comments and documentation in English”。
频率限制（Rate Limit）： 智谱 AI 的免费层级有频率限制。通过升级到付费层或使用 OpenRouter 以获得更宽松的配额。
总结
GLM-4.7 是 AI 编程工作流中的有力补充，尤其是在与 Claude 和 GPT 配合使用时。其极具竞争力的性能和极低的成本，使其成为处理大批量常规编程任务的理想选择，从而让你能将高端模型留给复杂的架构设计。Cursor 和 Claude Code 均可以通过 OpenRouter 或直接 API 配置轻松集成 GLM-4.7。
如果你的项目涉及 AI 生成媒体（如图像、视频或数字人），请访问 Hypereal AI。它提供了一个处理所有媒体生成的统一 API，并采用按需付费模式。
免费试用 Hypereal AI —— 获取 35 个积分，无需绑定信用卡。
相关文章
Download Hypereal Agent
Run a local AI media workspace for image generation, video prompts, model selection, credit tracking, and saved artifacts.
