GLM 4.7 Flash da Z.ai entra a US$ 0,40 por milhão de tokens de saída

O que a Z.ai colocou na mesa hoje

Você paga a conta da API e está acostumado a ver a fatura explodir no fim do mês quando o agente entra em loop. Pois a Z.ai, criadora chinesa que você talvez ainda não tenha no radar, acabou de listar o GLM 4.7 Flash no catálogo com uma proposta que mira exatamente esse problema: 30 bilhões de parâmetros, otimização declarada para coding agêntico e, principalmente, um preço de saída de US$ 0,40 por milhão de tokens. É o modelo novo mais barato entre os concorrentes diretos que aparecem no topo do índice de inteligência hoje.

O que o release diz vs. o que a fatura mostra

O comunicado da Z.ai repete a fórmula conhecida: "equilíbrio entre performance e eficiência". Traduzindo para quem olha planilha: o GLM 4.7 Flash custa US$ 0,06 para entrar (input) e US$ 0,40 para sair (output), com cache a US$ 0,01. A diferença entre o que entra e o que sai é de quase 7x — padrão de mercado, mas vale lembrar porque é a saída que come a fatura em fluxos agentic, onde o modelo devolve blocos enormes de código, logs e tool calls.

Para colocar em perspectiva, o catálogo tem hoje mais de 318 modelos distribuídos por 48 criadores, e nove deles foram lançados nos últimos 30 dias. O GLM 4.7 Flash entra nesse bolo com a janela de contexto de 202.752 tokens — uma das maiores disponíveis para a faixa de preço.

Quem ele tenta destronar

O rival natural é o Xiaomi MiMo-V2-Flash, que lidera o índice de inteligência entre os modelos "flash" com IQ 34,024 e cobra US$ 0,30 por milhão de tokens de saída. O GLM 4.7 Flash chega mais caro na saída (US$ 0,40), mas com a vantagem de uma janela de contexto quase 4x maior.

Olhando para cima da régua, o Claude Haiku 4.5 da Anthropic cobra US$ 5,00 por milhão de tokens de saída — 12,5 vezes mais caro que o GLM 4.7 Flash. O OpenAI o3, voltado a raciocínio, sai a US$ 8,00. São modelos de outra categoria de preço, mas é a referência que aparece quando o cliente pergunta "por que não uso o Haiku?".

O ponto cego: inteligência ainda não medida

Aqui está o porém que ninguém no release vai te contar: o índice de inteligência do GLM 4.7 Flash ainda não foi publicado no catálogo. Os campos de coding, agentic e raciocínio também estão vazios. Você está comprando um modelo cujo desempenho em benchmarks públicos ainda não foi auditado de forma independente pela Artificial Analysis.

Isso não significa que o modelo é ruim — significa que, até saírem os números, o cálculo de "inteligência por dólar" não fecha. O MiMo-V2-Flash tem IQ 34,024 medido; o Haiku 4.5 tem 29,892; o o3 tem 31,096. Qualquer um desses três dá uma referência verificável antes de você colocar em produção.

Para quem vale e para quem não muda nada

Vale para você se: roda agentes de código que devolve muito token de saída por chamada, precisa de janela de contexto grande (acima de 100k) e está disposto a testar um modelo chinês sem benchmark externo publicado — a Z.ai não declarou open weights nem país de origem no cadastro.

Não muda nada se: você já tem o MiMo-V2-Flash no pipeline e mediu IQ real, ou se o seu fluxo depende de latência determinística em região específica (o GLM 4.7 Flash não traz dado de velocidade no catálogo).

O que fazer agora

A implicação prática é direta: adicione o GLM 4.7 Flash como candidato em testes A/B ao lado do MiMo-V2-Flash e do Haiku 4.5, meça custo por tarefa concluída (não por token), e espere a publicação do IQ antes de migrar cargas críticas. Em agentic coding, a diferença entre US$ 0,30 e US$ 0,40 por milhão de saída parece pequena — multiplicada por 100 milhões de tokens no mês, são US$ 10 a mais. Mas se a taxa de tarefas completas for pior, esse "barato" sai caro.