Language model rubric2026 criteria

Estimate from the version's published specs, benchmarks and reviews, 0-5; scores are only comparable within one criteria year. Scored as launched (GLM-4.6V, the 106B flagship, 8 Dec 2025; GLM-4.6V-Flash is the 9B tier, free via Z.ai API, FlashX $0.04/$0.40). Reasoning null: no Artificial Analysis Intelligence Index entry found; Z.ai's headline is SoTA or near-SoTA among open models of its size on 20+ vision benchmarks. Coding null. Context 128K tokens (trained, Z.ai docs) -> 1. Price $0.30 in / $0.90 out per 1M (Z.ai pricing page; OpenRouter) = $0.45 blended -> 5. Speed null. Modalities: video, image, text and file input, text output (Z.ai docs) -> 4. Reviews: VentureBeat and MarkTechPost were Cloudflare/Vercel-blocked, so Wayback snapshots (opened this run) are cited; SiliconFlow's launch blog is a reseller post. No independent hands-on test found; all three repeat Z.ai's benchmark claims. (A review whose quote could not be re-verified was dropped.)^[2]

Reviews

GLM-4.6V Now on SiliconFlow: Native Multimodal Tool Use Meets SoTA Visual Intelligence · siliconflow.com · 11 dic 2025It matches or outperforms comparable-scale models like Qwen3-VL-235B , Kimi-VL-A3B-Thinking-2506 , and Step3-321B in key capabilities: multimodal understanding, multimodal agentic tasks, and long-context processing.
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning · venturebeat.com · 8 dic 2025The 106B model’s 128K-token window allows it to outperform larger models like Step-3 (321B) and Qwen3-VL-235B on long-context document tasks, video summarization, and structured multimodal reasoning.
Zhipu AI Releases GLM-4.6V: A 128K Context Vision Language Model with Native Tool Calling - MarkTechPost · marktechpost.com · 9 dic 2025The model consumes those visual outputs and fuses them with text in the same reasoning chain. This closes the loop from perception to understanding to execution and is explicitly positioned as the bridge between visual perception and executable action for multimodal agents.

Sentimiento a lo largo del tiempoPositiva

Opinión general

Sentimiento a lo largo del tiempo
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning · 8 dic 2025	0.50
Zhipu AI Releases GLM-4.6V: A 128K Context Vision Language Model with Native Tool Calling - MarkTechPost · 9 dic 2025	0.85
GLM-4.6V Now on SiliconFlow: Native Multimodal Tool Use Meets SoTA Visual Intelligence · 11 dic 2025	0.60

Nombres alternativos

GLM
Alias

Hilo

Responder a este pin

Fotos de usuarios

Fotos de lectores, separadas de los medios con fuentes del pin. Valora lo que comiste o viste y, en un pin de restaurante, etiqueta los platos directamente en tu foto.

Comentarios

Referencias 587% DE CONFIANZAConfianza general: 87%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 5 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más

La primera entrada es siempre la fuente del pin. La confianza global es una media ponderada de la firmeza con la que cada referencia respalda las horas de inicio y fin usadas arriba; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más reciente.

[1]90%
huggingface.co/zai-org/GLM-4.6V
huggingface.co· Publicado el 12 oct 2026· Empieza 8 dic 2025 ✓· 34% de la puntuación
VentureBeat^[4] informó el 8 de diciembre de 2025 (5:03 pm PT) de que Z.ai "has released its GLM-4.6V series" y OpenRouter^[5] incluye z-ai/glm-4.6v el 8 de diciembre; los repositorios de Hugging Face se subieron el 7 de diciembre UTC y los vídeos de casos de estudio de lanzamiento de docs.z.ai^[2] están etiquetados como 1208.
[2]88%
GLM-4.6V - Z.AI Developer Document
docs.z.ai· Añadido el 12 oct 2026· 34% de la puntuación
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]
[3]85%
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning - arXiv
arxiv.org· Publicado el 1 ene 2026· 11% de la puntuación
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]
[4]88%
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning - VentureBeat
venturebeat.com· Publicado el 8 dic 2025· Empieza 8 dic 2025· 10% de la puntuación
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.
[5]75%
Z.ai: GLM 4.6V - OpenRouter
openrouter.ai· Publicado el 8 dic 2025· 10% de la puntuación
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.

Sugerir una corrección

¿Falta algo o hay un error? Dilo con tus palabras: un enlace que respalde este pin, otra fecha de inicio o fin y por qué, o un dato que falta o está mal. La IA lo contrasta con las fuentes del pin, busca otras mejores y añade cualquier página que te dé la razón. Las fuentes del propio pin siguen contando más. La IA también mira las imágenes: una que muestra otra cosa, o la muestra mal, pasa al final o se sustituye.

Z.ai (Zhipu AI) lanzó la serie GLM-4.6V el 8 de diciembre de 2025: GLM-4.6V, un modelo de 106B (12B activados, según el gráfico de Z.ai) para uso en la nube y en clústeres, y GLM-4.6V-Flash, un modelo de 9B para uso local y de baja latencia, ambos con licencia MIT y entrenados con un contexto de 128K tokens^[1][2][4]
La característica principal es la llamada nativa a funciones en un modelo de visión y lenguaje por primera vez en la línea GLM-V: imágenes, capturas de pantalla y páginas de documentos pueden pasarse directamente a las herramientas como parámetros, y las salidas de las herramientas, como gráficos, imágenes de búsqueda o páginas renderizadas, se leen de vuelta visualmente, cerrando el ciclo de la percepción a la acción^[1][2]
Z.ai informa de resultados de vanguardia entre los modelos abiertos de tamaño comparable en más de 20 pruebas multimodales; en su gráfico GLM-4.6V obtiene 88.8 en MMBench V1.1, 85.2 en MathVista, 88.6 en Design2Code (GLM-4.5V 82.2) y 37.2 en OSWorld (35.8), mientras que retrocede en WebVoyager (81.0 frente a 84.4) y RefCOCO (88.6 frente a 91.3)^[1][2]
El precio de la API es de $0.30 por millón de tokens de entrada y $0.90 por millón de tokens de salida; GLM-4.6V-Flash es gratuito y docs.z.ai también indica un nivel FlashX; OpenRouter indica el mismo precio con un contexto de 131,072 tokens^[4][5]
La ficha del modelo de Z.ai admite que la respuesta a preguntas de solo texto aún puede mejorar, que el modelo puede pensar en exceso o repetirse con indicaciones complejas y que contar e identificar a personas concretas siguen siendo puntos débiles^[1]

Características destacadas

Generación intercalada de imagen y texto que recurre a herramientas de búsqueda y recuperación para obtener y seleccionar imágenes adicionales mientras redacta, y búsqueda web visual con generación de informes en varios pasos^[1][2]
Replicación de frontend y edición visual: reconstruye HTML, CSS y JavaScript con precisión de píxel a partir de una captura de pantalla de la interfaz y aplica ediciones en lenguaje natural, incluida la depuración visual^[1][2]
Comprensión de documentos de contexto largo que, según Z.ai, abarca unas 150 páginas de documentos, 200 diapositivas o un vídeo de una hora en una sola pasada, además de razonamiento con varias imágenes y detección de objetos que devuelve etiquetas y cuadros delimitadores en JSON^[2]
La familia GLM-V se describe en el artículo que presentó GLM-4.1V-Thinking y GLM-4.5V, cuyas versiones posteriores añaden la serie GLM-4.6V con uso nativo de herramientas y una ventana de 128K^[3]

Pruebas de referencia

Un subconjunto de filas del gráfico de resultados de GLM-4.6V de Z.ai (una imagen en la ficha del modelo y en docs.z.ai), modelos de razonamiento; "/" significa no reportado^[1].

Prueba de referencia	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

Sugerir una corrección

Comentarios

Lanzados GLM-4.6V y GLM-4.6V-Flash

Características destacadas

Pruebas de referencia

Etiquetas

Hilo