zhipu
GLM 4.6V
GLM-4.6V: контекстное окно до 128k токенов при обучении, передовые результаты в визуальном понимании среди моделей сопоставимого масштаба параметров, встроенный Function Calling, квантование FP8.
- Вход
- 17,34 ₽
- Выход
- 52,03 ₽
- Кэш
- 3,47 ₽
- Доступность
- 100%
zhipu/glm-4.6vДанные каталога получены .
Цена
- Текстовый диалог · вход
- 17,34 ₽ / 1 млн токенов
- Текстовый диалог · выход
- 52,03 ₽ / 1 млн токенов
- Текстовый диалог · вход из кэша
- 3,47 ₽ / 1 млн токенов
Цена указана в рублях для выбранной операции и её параметров.
Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.
О модели
GLM-4.6V увеличивает контекстное окно до 128k токенов при обучении и достигает SoTA-производительности в визуальном понимании среди моделей сопоставимого масштаба параметров. Интегрирует нативные возможности Function Calling, связывая «визуальное восприятие» и «исполняемое действие» для мультимодальных агентов. Квантование выполнено в FP8.
- Релиз
Характеристики
- 7 октября: 100%100%7 октября
- 8 октября: 100%100%8 октября
- 9 октября: 100%100%9 октября
- Тип модели
- Текст
- Вход модели
- Текст, Изображения, Видео
Данные, которые модель принимает вместе с запросом.
- Выход модели
- Текст
Форматы результата, которые создаёт модель.
- Контекстное окно
- 128 000 токенов
Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
- Максимальный ответ
- 24 000 токенов
Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.
- Операции
- Текстовый диалог, Понимание изображений
- Возможности модели
- Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Входные файлы, Входные изображения, Входное видео
Контрольные показатели
Artificial Analysis
28 показателей
Работа с документами
- AA-LCR v1.117 %
Рассуждение в длинном контексте, обновлённая проверка
Проверено
Рассуждение по документу
- AA-LCR v1.117 %
Рассуждение на длинном контексте с обновлённой оценкой
Проверено
Архивные методики
- AA-LCR (версия не указана, архивный)17 %
Рассуждение в длинном контексте
Проверено
- GPQA Diamond (архивный)56,6 %
Научные вопросы уровня аспирантуры
Проверено
- T²-Bench Telecom (архивный)30,7 %
Диалоговые агенты, где действует и пользователь
Проверено
- Terminal-Bench Hard (архивный)3 %
Агентное программирование и работа в терминале
Проверено
Устаревшие тесты
- AA-LCR (версия не указана, архивный)17 %
Оценка рассуждений на длинном контексте
Проверено
- GPQA Diamond (архивный)56,6 %
Научные рассуждения уровня выпускника
Проверено
Знания
- AA-Omniscience · точность17,4 %
Доля правильных ответов
Проверено
- AA-Omniscience · точность17,4 %
Доля вопросов с правильным ответом
Проверено
- AA-Omniscience · доля выдуманных ответов (меньше лучше)66,6 %
Доля выдуманных ответов среди неверных
Проверено
- MMLU-Pro75,2 %
Проверено
- MMLU-Pro75,2 %
Профессиональные и академические предметные знания
Проверено
Знание
- AA-Omniscience · доля выдуманных ответов (меньше лучше)66,6 %
Доля неверных ответов среди некорректных ответов
Проверено
Рассуждения
- AIME 202526,3 %
Проверено
- AIME 202526,3 %
Проверено
- CritPt0 %
Исследовательские задачи по физике
Проверено
- HLE3,7 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
- HLE3,7 %
Humanity’s Last Exam — вопросы экспертного уровня
Проверено
- IFBench27,9 %
Точное выполнение инструкций
Проверено
Рассуждение
- CritPt0 %
Рассуждения по физике исследовательского уровня
Проверено
- IFBench27,9 %
Тест на следование инструкциям
Проверено
Другие показатели
- Индекс интеллекта8,4 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
- Индекс интеллекта8,4 индекс
Сводная оценка Artificial Analysis по всем её тестам
Проверено
Программирование
- LiveCodeBench41,1 %
Бенчмарк по программированию без загрязнения данных
Проверено
- LiveCodeBench41,1 %
Проверено
- Terminal-Bench Hard (архивный)3 %
Устаревший резервный вариант · Агентное программирование и работа в терминале
Проверено
Агентная работа
- T²-Bench Telecom (архивный)30,7 %
Устаревший резервный вариант · Разговорные ИИ-агенты в сценариях с двойным управлением
Проверено
Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.
API-запрос
Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.
import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener
class NoRedirect(HTTPRedirectHandler):
def redirect_request(self, req, fp, code, msg, headers, newurl):
return None
opener = build_opener(NoRedirect)
def post(url, payload):
request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
"Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
"Content-Type": "application/json",
"Idempotency-Key": os.environ["REQUEST_ID"],
}, method="POST")
with opener.open(request, timeout=120) as response:
return json.load(response)
payload = {
"model": "zhipu/glm-4.6v",
"messages": [
{
"role": "user",
"content": "Объясни задачу кратко."
}
]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
