GLM-4.6V — мультимодальная модель Z.ai с вызовом инструментов

GLM-4.6V — открытая мультимодальная модель Z.ai для анализа изображений, документов и видео. В версии на 106 млрд параметров разработчик объединил визуальное понимание с нативным вызовом инструментов, чтобы модель могла включать результаты внешних действий в дальнейший анализ. Разработчик и другие модели серии представлены в Z.ai в Вики Futuretools.

Что представляет собой GLM-4.6V

GLM-4.6V поддерживает до 128 тысяч токенов контекста и рассчитана на разбор сложных страниц, графиков, презентаций и длинных видео. В семейство также входит более лёгкий GLM-4.6V-Flash на 9 млрд параметров, но это отдельный вариант. Страница описывает основную GLM-4.6V на 106B; для визуальных задач важно проверять ответы по исходным материалам. В карточке OpenRouter указан контекст до 131 072 токенов. Для этой модели доступны открытые веса; требования к памяти зависят от выбранного формата, квантования и движка запуска.

Изображения, документы и визуальные задачи

Мультимодальные модели этой серии принимают не только текст: запрос может включать изображения и, если это поддерживает конкретный API, видео. Они помогают описывать содержимое кадра, разбирать визуальные документы и отвечать на вопросы по экрану. Результаты распознавания важных чисел и деталей нужно сверять с оригиналом.

Другие модели GLM

Для сравнения доступны GLM-4.5V, GLM-5V-Turbo, GLM-4.6. Варианты различаются специализацией, способом доступа и требованиями к запуску; карточка OpenRouter описывает конкретный API-маршрут, который может иметь собственные ограничения.

Технические сведения опубликованы в официальном материале Z.ai или карточке модели. Значения контекста и режимы работы следует сверять с документацией выбранного API.