Z.AI: GLM 4.6V

GLM-4.6V est un modèle multimodal de pointe conçu pour une compréhension visuelle exceptionnelle et un raisonnement avancé à long contexte. Il excelle dans le traitement d'entrées diverses, y compris les images, les documents complexes et les médias mixtes, ce qui le rend idéal pour les tâches analytiques complexes. Ce modèle dispose d'une fenêtre de contexte substantielle de 131K tokens et d'une sortie maximale de 4K tokens, ce qui lui permet de gérer des informations étendues. Il traite les mises en page complexes et les graphiques directement comme des entrées visuelles et intègre l'appel de fonctions multimodal natif, connectant de manière transparente la perception à l'exécution d'outils en aval. De plus, GLM-4.6V prend en charge la génération d'images-texte entrelacées et les flux de travail de reconstruction d'interface utilisateur, tels que la synthèse de captures d'écran en HTML et l'édition visuelle itérative. Le prix est fixé à 0,30 $ par million de tokens d'entrée et 0,90 $ par million de tokens de sortie, accessible via le niveau STARTER.