Der erste Eintrag ist immer die Quelle des Pins. Die Gesamtsicherheit ist ein gewichteter Durchschnitt, wie fest jeder Beleg die oben verwendeten Start- und Endzeiten stützt; ein Beleg zählt für je 180 Tage, die er älter ist als der neueste, nur halb so viel.
VentureBeat[4] berichtete am 8. Dezember 2025 (5:03 pm PT), dass Z.ai "has released its GLM-4.6V series", und OpenRouter[5] führt z-ai/glm-4.6v am 8. Dezember; die Hugging-Face-Repositories wurden am 7. Dezember UTC hochgeladen, und die Fallstudien-Videos zum Launch auf docs.z.ai[2] tragen die Bezeichnung 1208.
Z.ai developer docs: GLM-4.6V, GLM-4.6V-FlashX and GLM-4.6V-Flash, 128K context, native multimodal tool use, image-text content creation, visual web search, frontend replication, about 150 pages, 200 slides or one hour of video in one pass, more than 20 benchmarks.[1]
GLM-V paper, revised 1 January 2026 (v6): now covers GLM-4.1V-Thinking, GLM-4.5V and GLM-4.6V, a reasoning-centric RL recipe (RLCS) and the GLM-4.6V series adding native tool use and a 128K-token window; open-sourced models.[1]
VentureBeat (Carl Franzen), 8 Dec 2025: Z.ai released the open-source GLM-4.6V series (106B and 9B Flash) with native function calling, a 128K-token context, MIT license, $0.30 and $0.90 per million tokens and free Flash; use cases are frontend automation, long documents and video summarization.
OpenRouter listing (read from its models API): Z.ai: GLM 4.6V, added 8 Dec 2025, 131,072-token context, image, text and video input, $0.30 per million input and $0.90 per million output tokens, up to 32,768 output tokens.
Fehlt etwas oder stimmt etwas nicht? Sag es in deinen eigenen Worten: ein Link, der diesen Pin belegt, ein anderes Start- oder Enddatum und warum, oder eine Angabe, die fehlt oder falsch ist. Die KI prüft es an den Quellen dieses Pins, sucht nach besseren und ergänzt jede Seite, die dich bestätigt. Die eigenen Quellen des Pins zählen weiterhin am meisten. Auch Bilder sieht sich die KI an: Eines, das etwas anderes oder die Sache schlecht zeigt, wird nach hinten gestellt oder ersetzt.
Originaltitel: GLM-4.6V and GLM-4.6V-Flash Released
Eine Auswahl von Zeilen aus Z.ais GLM-4.6V-Ergebnisdiagramm (ein Bild auf der Modellkarte und auf docs.z.ai), Denkmodelle; "/" bedeutet nicht angegeben[1].
| Benchmark | GLM-4.6V (106B) | GLM-4.6V-Flash (9B) | GLM-4.5V (106B) | Qwen3-VL-8B-Thinking | Qwen3-VL-235B-A22B-Thinking |
|---|---|---|---|---|---|
| MMBench V1.1 | 88.8 | 86.9 | 88.2 | 84.3* | 90.6 |
| MMStar | 75.9 | 74.7 | 75.3 | 75.3 | 78.7 |
| MMMU (Val) | 76.0 | 71.1 | 75.4 | 74.1 | 80.6 |
| MMMU-Pro | 66.0 | 60.6 | 65.2 | 60.4 | 69.3 |
| MathVista | 85.2 | 82.7 | 84.6 | 81.4 | 85.8 |
| AI2D | 88.8 | 89.2 | 88.1 | 84.9 | 89.2 |
| Design2Code | 88.6 | 69.8 | 82.2 | 56.6* | 93.4 |
| OSWorld | 37.2 | 21.1 | 35.8 | 33.9 | 38.1 |
| AndroidWorld | 57.0 | 42.7 | 57.0 | 50.0 | / |
| WebVoyager | 81.0 | 71.8 | 84.4 | 47.7* | 30.4* |
| MMLongBench-Doc | 54.9 | 53.0 | 44.7 | 48.0 | 56.2 |
| OCRBench | 86.5 | 84.7 | 86.5 | 81.9 | 87.5 |
| ChartQAPro | 65.5 | 62.6 | 64.0 | 58.4* | 63.6* |
| RefCOCO-avg (val) | 88.6 | 85.6 | 91.3 | 89.3* | 92.4 |
| Ref-L4-test | 88.9 | 87.7 | 89.5 | 88.6* | 90.4 |