Серія GLM-4.6V вже тут🚀. - GLM-4.6V (106B): флагманська модель мови зору з контекстом 128K - GLM-4.6V-Flash (9B): надшвидка, легка версія для локальних і низькозатримкових навантажень Перший у світі нативний виклик функцій у сімействі моделей зору GLM Ваги: Спробуйте GLM-4.6V зараз: API: Технічний блог: Ціноутворення API (за 1M токенів): - GLM-4.6V: вхід $0.6 / вихід $0.9 - GLM-4.6V-Flash: Безкоштовний

GLM-4.6V може приймати мультимодальні входи різних типів і автоматично генерувати високоякісний, структурований контент із перемежуванням зображень і тексту.

GLM-4.6V забезпечує наскрізний мультимодальний пошук і аналіз, дозволяючи моделі безперешкодно переходити від візуального сприйняття до онлайн-пошуку, до логіки та до остаточної відповіді.

Ми оптимізували GLM-4.6V для фронтенд-розробки, суттєво скоротивши цикл «дизайн у код».

GLM-4.6V вирівнює свій візуальний енкодер з довжиною контексту 128K, що надає моделі величезну ємність пам'яті. На практиці це дорівнює обробці ~150 сторінок складних документів, 200 сторінок слайдів або годинного відео за один вихід.

Модель може виконувати глобальне узагальнення на довгих відео, зберігаючи при цьому можливість виконувати детальне міркування часових підказок, таких як підсумовування подій голів і часових позначок у повному футбольному матчі.