CONFIRMADOConfiança da data: CONFIRMADOInformado como definitivoQuão firme a fonte é sobre a data: confirmada, agendada, estimada, adiada ou não verificada.Mostrar todos os pins CONFIRMADO87% DE CONFIANÇAConfiança geral: 87%Quanto a fonte e as referências do pin sustentam suas datas.Média ponderada de quanto 5 referências, incluindo a fonte, sustentam os horários de início e fim do pin; uma referência conta metade a cada 180 dias a mais em relação à mais recenteMostrar todos os pins com confiança de 75% ou mais
A VentureBeat[4] informou em 8 de dezembro de 2025 (5:03 pm PT) que a Z.ai "has released its GLM-4.6V series" e a OpenRouter[5] lista z-ai/glm-4.6v em 8 de dezembro; os repositórios do Hugging Face[1] foram enviados em 7 de dezembro UTC e os vídeos de estudos de caso do lançamento em docs.z.ai[2] estão rotulados como 1208.- Início
- 8 de dez. de 202590% DE CONFIANÇAde a fonte
GLM-4.6V e GLM-4.6V-Flash lançados
Traduzido automaticamente do original
Título original: GLM-4.6V and GLM-4.6V-Flash Released
A Z.ai lança o GLM-4.6V, um modelo de visão e linguagem de mistura de especialistas de 106B, e o GLM-4.6V-Flash de 9B sob licença MIT, os primeiros modelos GLM-V com chamada nativa de funções, treinados para um contexto de 128K tokens e com preço de $0.30 por milhão de tokens de entrada.
- A Z.ai (Zhipu AI) lançou a série GLM-4.6V em 8 de dezembro de 2025: GLM-4.6V, um modelo de 106B (12B ativados, segundo o gráfico da Z.ai) para nuvem e clusters, e GLM-4.6V-Flash, um modelo de 9B para uso local e de baixa latência, ambos com licença MIT e treinados com um contexto de 128K tokens[1][2][4]
- O principal recurso é a chamada nativa de funções em um modelo de visão e linguagem, pela primeira vez na linha GLM-V: imagens, capturas de tela e páginas de documentos podem ser passadas diretamente às ferramentas como parâmetros, e as saídas das ferramentas, como gráficos, imagens de busca ou páginas renderizadas, são lidas de volta visualmente, fechando o ciclo da percepção à ação[1][2]
- A Z.ai relata resultados de ponta entre modelos abertos de tamanho comparável em mais de 20 benchmarks multimodais; em seu gráfico, o GLM-4.6V marca 88.8 no MMBench V1.1, 85.2 no MathVista, 88.6 no Design2Code (GLM-4.5V 82.2) e 37.2 no OSWorld (35.8), mas recua no WebVoyager (81.0 contra 84.4) e no RefCOCO (88.6 contra 91.3)[1][2]
- O preço da API é de $0.30 por milhão de tokens de entrada e $0.90 por milhão de tokens de saída; o GLM-4.6V-Flash é gratuito e a docs.z.ai também lista uma camada FlashX; a OpenRouter lista o mesmo preço com um contexto de 131,072 tokens[4][5]
- O cartão do modelo da Z.ai admite que a resposta a perguntas apenas de texto ainda pode melhorar, que o modelo pode pensar demais ou se repetir em prompts complexos e que contar e identificar pessoas específicas continuam fracos[1]
Principais recursos
- Geração intercalada de imagem e texto que recorre a ferramentas de busca e recuperação para obter e selecionar imagens adicionais durante a redação, e busca visual na web com geração de relatórios em várias etapas[1][2]
- Replicação de frontend e edição visual: reconstrói HTML, CSS e JavaScript com precisão de pixel a partir de uma captura de tela da interface e aplica edições em linguagem natural, incluindo depuração visual[1][2]
- Compreensão de documentos de contexto longo que, segundo a Z.ai, cobre cerca de 150 páginas de documentos, 200 slides ou um vídeo de uma hora em uma única passagem, além de raciocínio com várias imagens e detecção de objetos que retorna rótulos e caixas delimitadoras em JSON[2]
- A família GLM-V é descrita no artigo que apresentou o GLM-4.1V-Thinking e o GLM-4.5V, cujas versões posteriores acrescentam a série GLM-4.6V com uso nativo de ferramentas e janela de 128K[3]
Benchmarks
Um subconjunto de linhas do gráfico de resultados do GLM-4.6V da Z.ai (uma imagem no cartão do modelo e em docs.z.ai), modelos de raciocínio; "/" significa não informado[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 |
Comprar emZ.ai