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.
| Наименование модели | Контекст | Тип | GPU | Статус | Ссылка |
|---|
Для данной модели пока нет публичных эндпоинтов.
Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.
Мы рекомендуем создание частных инстансов в случаях, если необходимо:
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 |
1 | 423,81 ₽ | 2,70 | Запустить | ||
131 072 tensor |
2 | 440,74 ₽ | 112.25 | 3,15 | Запустить | |
131 072 tensor |
2 | 441,52 ₽ | 3,15 | Запустить | ||
131 072 tensor |
4 | 514,59 ₽ | 1,40 | Запустить | ||
131 072 pipeline |
6 | 521,74 ₽ | 1,38 | Запустить | ||
131 072 pipeline |
8 | 539,21 ₽ | 2,73 | Запустить | ||
131 072 tensor |
2 | 700,74 ₽ | 3,20 | Запустить | ||
131 072 tensor |
2 | 729,47 ₽ | 4,32 | Запустить | ||
131 072 tensor |
2 | 840,74 ₽ | 8,05 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 tensor |
2 | 440,74 ₽ | 1,59 | Запустить | ||
131 072 tensor |
2 | 441,52 ₽ | 1,59 | Запустить | ||
131 072 pipeline |
8 | 539,21 ₽ | 1,63 | Запустить | ||
131 072 pipeline |
8 | 671,74 ₽ | 1,62 | Запустить | ||
131 072 tensor |
2 | 700,74 ₽ | 104.48 | 1,58 | Запустить | |
131 072 tensor |
2 | 729,47 ₽ | 2,70 | Запустить | ||
131 072 pipeline |
6 | 791,74 ₽ | 1,90 | Запустить | ||
131 072 tensor |
2 | 840,74 ₽ | 6,43 | Запустить | ||
131 072 tensor |
2 | 840,74 ₽ | 6,43 | Запустить | ||
| Наименование | GPU | TPS | Параллельность (макс.) | |||
|---|---|---|---|---|---|---|
131 072 tensor |
4 | 818,68 ₽ | 87.89 | 2,96 | Запустить | |
131 072 tensor |
2 | 841,52 ₽ | 1,95 | Запустить | ||
131 072 tensor |
2 | 841,52 ₽ | 1,95 | Запустить | ||
131 072 tensor |
4 | 848,44 ₽ | 87.89 | 2,96 | Запустить | |
131 072 pipeline |
3 | 1 105,60 ₽ | 1,26 | Запустить | ||
131 072 tensor |
4 | 1 337,12 ₽ | 2,95 | Запустить | ||
131 072 tensor |
4 | 1 448,44 ₽ | 5,18 | Запустить | ||
Свяжитесь с нашей специализированной группой поддержки по нейросетям support@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.