GLM 4.6 и GLM 4.7 Flash: когда нужна голова, а когда скорость

В каталоге лежат обе: GLM 4.6 (glm-4.6) и GLM 4.7 Flash (glm-4.7-flash). Названия путают — кажется, что 4.7 «новее и лучше во всём». Это не так. Flash — это отдельная ветка под скорость, а не старшая версия 4.6.

В чём разница по существу

GLM 4.6 — рассуждает основательнее. Она не спешит, разворачивает промежуточные шаги, реже ошибается на многоходовых задачах. В агенте, где цепочка из десятка вызовов инструментов и одна ошибка на третьем шаге ломает всё, это окупается.

GLM 4.7 Flash — режет латентность. Первый токен приходит быстрее, генерация плотнее. Reasoning тоже есть, но модель по умолчанию менее «задумчивая». Идеальна там, где пользователь смотрит на курсор и ждёт ответ.

Простое правило выбора

Спросите себя: кто ждёт ответа — человек или пайплайн?

• Человек в интерактивном чате, автодополнение, живой ассистент → 4.7 Flash. Полсекунды задержки заметны.
• Фоновый агент, который сам гоняет инструменты и никуда не торопится → 4.6. Здесь важнее не ошибиться, чем ответить на 300 мс быстрее.

Пример: агент с инструментами

from openai import OpenAI
client = OpenAI(base_url="https://api.yenisei.ru/v1", api_key="YENISEI_KEY")
# фоновый разбор задачи — берём 4.6
resp = client.chat.completions.create(
    model="glm-4.6",
    messages=[{"role": "user", "content": "Спланируй миграцию БД на 3 шага и вызови инструменты."}],
    tools=tools,
)

Русский и цена

По русскому обе на одном уровне — уверенно, без явных ляпов. По деньгам Flash выходит дешевле на выходных токенах, что логично для «быстрой» ветки. Если гоняете большой объём коротких ответов, разница на счёте за месяц накапливается ощутимо.

Не усложняйте: заведите обе под ключом и роутьте по типу задачи. Это пять минут работы и заметная экономия.