GLM-4.6Vシリーズが登場しました🚀 - GLM-4.6V(106B):128Kコンテキストを持つ旗艦ビジョン言語モデル - GLM-4.6Vフラッシュ(9B):ローカルかつ低遅延のワークロード向けに超高速軽量バージョン GLMビジョンモデルファミリーにおける初のネイティブ機能呼び出し 重み： 今すぐGLM-4.6Vを試してみてください: API: テックブログ: API価格(100万トークンあたり): - GLM-4.6V:入力$0.6 / 出力$0.9 - GLM-4.6Vフラッシュ:無料

GLM-4.6Vは様々なタイプのマルチモーダル入力を受け付け、高品質で構造化された画像・テキストのインターリーブコンテンツを自動的に生成できます。

GLM-4.6Vはエンドツーエンドのマルチモーダル検索・分析ワークフローを提供し、モデルが視覚的知覚からオンライン検索、推論、最終回答へとシームレスに移行できるようにします。

フロントエンド開発向けにGLM-4.6Vを最適化し、「コードに沿った設計」サイクルを大幅に短縮しました。

GLM-4.6Vはビジュアルエンコーダを128Kのコンテキスト長に合わせており、モデルに膨大なメモリ容量を与えています。実際には、これは1回の推論パスで1~150ページ分の複雑な文書、200ページのスライドページ、または1時間の動画を処理することに相当します。

このモデルは、長い動画に対してグローバルな要約を行うことができ、フルフットボールの試合でのゴールイベントやタイムスタンプの要約など、時間的な手がかりに対して細かい推論を行う能力を保持しています。