Seri GLM-4.6V ada di sini🚀 - GLM-4.6V (106B): model bahasa penglihatan unggulan dengan konteks 128K - GLM-4.6V-Flash (9B): versi ultra-cepat dan ringan untuk beban kerja lokal dan latensi rendah Panggilan Fungsi asli pertama dalam keluarga model visi GLM Bobot: Coba GLM-4.6V sekarang: API: Blog Teknologi: Harga API (per 1 juta token): - GLM-4.6V: Masukan 0,6 USD / Keluaran 0,9 USD - GLM-4.6V-Flash: Gratis

GLM-4.6V dapat menerima input multimoda dari berbagai jenis dan secara otomatis menghasilkan konten interleaved gambar-teks terstruktur berkualitas tinggi dan terstruktur.

GLM-4.6V menghadirkan alur kerja pencarian dan analisis multimodal end-to-end, memungkinkan model untuk beralih dengan mulus dari persepsi visual ke pengambilan online, ke penalaran dan jawaban akhir.

Kami telah mengoptimalkan GLM-4.6V untuk pengembangan frontend, secara signifikan mempersingkat siklus "desain ke kode".

GLM-4.6V menyelaraskan encoder visualnya dengan panjang konteks 128K, memberikan model kapasitas memori yang sangat besar. Dalam praktiknya, ini sama dengan memproses ~150 halaman dokumen kompleks, 200 halaman slide, atau video berdurasi satu jam dalam satu lintasan inferensi.

Model ini dapat melakukan ringkasan global pada video panjang sambil mempertahankan kemampuan untuk melakukan penalaran terperinci pada petunjuk temporal, seperti meringkas peristiwa gol dan stempel waktu dalam pertandingan sepak bola penuh.