Z.AI: GLM 4.6V

GLM-4.6V 是一款尖端的大型多模态模型，专为卓越的视觉理解和高级长上下文推理而设计。它擅长处理各种输入，包括图像、复杂文档和混合媒体，使其成为复杂分析任务的理想选择。 该模型拥有 131K tokens 的大上下文窗口和 4K tokens 的最大输出，使其能够处理大量信息。它直接将复杂的页面布局和图表作为视觉输入进行处理，并集成了原生多模态函数调用，将感知与下游工具执行无缝连接。此外，GLM-4.6V 还支持交错的图像-文本生成和 UI 重建工作流程，包括屏幕截图到 HTML 的合成和迭代视觉编辑。定价为每 1M 输入 tokens 0.30 美元，每 1M 输出 tokens 0.90 美元，可通过 STARTER 级别访问。