GLM-4.6V

GLM-4.6V продолжает развивать мультимодальное направление архитектуры GLM (General Language Model). Модель имеет 106 миллиардов параметров. Её текстовая часть (текстовый энкодер) состоит из 46 слоёв, поддерживает контекстное окно длиной 128 тысяч токенов и использует механизм из 128 «экспертов», из которых для обработки каждого токена активируется 8. Главным прорывом GLM-4.6V является внедрение нативного мультимодального вызова функций (Native Multimodal Function Calling). В отличие от традиционных LLM, где инструментам передаются только текстовые описания изображений, GLM-4.6V может напрямую использовать изображения, скриншоты или PDF-страницы в качестве входных параметров для инструментов. Это замыкает цикл «восприятие → понимание → действие»: модель может, например, увидеть график, автоматически вызвать инструмент для его анализа, визуально прочитать результат и интегрировать его в итоговый ответ.

Модель демонстрирует отличные результаты на ключевых мультимодальных бенчмарках, занимая лидирующие позиции среди всех открытых моделей сопоставимого масштаба.

Сценарии использования GLM-4.6V охватывают широкий спектр практических применений. Модель идеально подходит для автоматизации работы с документами — она может анализировать PDF, таблицы и сканированные страницы как единые визуальные объекты, извлекая структурированную информацию без предварительной обработки. Эта способность особенно хорошо применима для направления бизнес-аналитики: GLM-4.6V может анализировать отчеты, графики и диаграммы, автоматически генерируя текстовые интерпретации и выводы, что значительно ускоряет процесс принятия решений на основе визуальных данных.Отдельно стоить выделить фронтенд-разработку и репликацию интерфейсов: по скриншоту скриншот макета, модель генерирует высокоточный HTML/CSS/JS-код. Пользователь может обвести область на скриншоте и дать текстовую команду («сделай эту кнопку синей»), и модель автоматически найдёт и отредактирует соответствующий фрагмент кода.

Дата анонса: 07.12.2025
Параметров: 107.71093312B
Экспертов: 128
Активно параметров при инференсе: 12B
Контекст: 131K
Слоев: 46
Тип внимания: Full Attention
Разработчик: Z.ai
Версия Transformers: 5.0.0rc0
Лицензия: MIT

Воспользуйтесь нашими готовыми публичными эндпоинтами бесплатно для теста инференса и знакомства с GLM-4.6V. Получить токен для доступа к API вы можете на странице управления токенами после регистрации и верификации.

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

• получить максимальную производительность эндпоинта,
• получить полный контекст для обработки больших запросов и диалогов,
• обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
• использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.