Z.AI: GLM 4.6V

GLM-4.6V ist ein hochmodernes großes multimodales Modell, das für außergewöhnliches visuelles Verständnis und fortgeschrittene Langkontext-Argumentation entwickelt wurde. Es zeichnet sich durch die Verarbeitung vielfältiger Eingaben aus, darunter Bilder, komplexe Dokumente und gemischte Medien, was es ideal für komplexe analytische Aufgaben macht. Dieses Modell verfügt über ein beträchtliches Kontextfenster von 131K Token und eine maximale Ausgabe von 4K Token, wodurch es umfangreiche Informationen verarbeiten kann. Es verarbeitet komplexe Seitenlayouts und Diagramme direkt als visuelle Eingaben und integriert native multimodale Funktionsaufrufe, die die Wahrnehmung nahtlos mit der nachgeschalteten Werkzeugausführung verbinden. Darüber hinaus unterstützt GLM-4.6V die verschränkte Bild-Text-Generierung und UI-Rekonstruktions-Workflows, wie die Screenshot-zu-HTML-Synthese und die iterative visuelle Bearbeitung. Die Preise liegen bei 0,30 $ pro 1 Mio. Eingabetoken und 0,90 $ pro 1 Mio. Ausgabetoken, zugänglich über die STARTER-Stufe.