GLM 4.6V
5663°
Z.ai | 131,072 token context | $0.30/M input, $0.90/M output. GLM-4.6V 是一款大型多模态模型，专为高保真视觉理解和跨图像、文档及混合媒体的长上下文推理设计。支持最高128K token，能够直接处理复杂页面布局和图表作为视觉输入，并集成原生多模态函数调用，将感知与下游工具执行连接。该模型还支持交错的图文生成和用户界面重构工作流，包括截图转HTML合成和迭代视觉编辑。
本模型的指南
按使用场景选最佳本地大语言模型（2026年10月）：每个任务的合适开源模型
本地AI到底需要多少显存？
开放权重 vs 开源 vs 仅API：你到底能做什么
什么是 GGUF 文件？量化模型详解（Q4、Q8、fp8、NF4）
船长笔记
2026-10-13 的笔记
GLM-4.6V 是 Z.ai 推出的 1060 亿参数开源权重多模态模型，专为文档、图表、截图及混合图文内容的深度视觉理解打造。其最大亮点是原生多模态函数调用，模型不仅描述所见，还能基于视觉内容执行操作。适合开发文档处理流水线、UI 自动化或多模态智能体，且希望使用可本地运行的强大开源模型的开发者。
以……著称
- 原生视觉驱动函数调用：图像直接输入工具执行，无需文本转换。
- 支持读取复杂文档，最多 128K 令牌，能理解布局、表格和图形作为图像。
- 能从 UI 截图重建像素级准确的 HTML/CSS，支持自然语言编辑。
- 支持混合多模态输入的图文交错生成，输出时可主动检索。
- 开源权重，配备轻量级 90 亿参数 Flash 版本，适合本地或低延迟部署。
注意
- 1060 亿旗舰模型需要强大硬件；90 亿 Flash 版本适合本地使用，但属于不同模型。
- 输出令牌价格为每百万 0.90 美元，长文档或智能体工作中生成大量内容时成本较高。
推荐尝试的提示词
截图转可用 HTML
我附上了网页截图。请将其重构为干净、语义化的 HTML 和 CSS，尽可能保留布局、排版、间距和组件结构。代码后请注明你不得不近似处理的元素及原因。
密集文档问答
我附上了多页 PDF 的图像版本。请阅读每页内容，包括图表、表格和脚注。然后回答：三项最重要的定量发现是什么，采用了什么方法论，作者是否对数据质量提出了任何警示？
视觉智能体工具方案
我附上了数据仪表盘截图。请识别所有可见图表和指标。针对每个，描述你会调用什么工具以获取更新数据，传递哪些参数，以及如何验证结果与视觉一致后更新报告。
与……比较
- GLM 5.3 FlashX仅限API模型1,048,576 令牌上下文 · $0.37/M 输入，$1.25/M 输出
- GLM Flash Latest仅限API模型1,048,576 令牌上下文 · $0.02/M 输入，$0.72/M 输出
- GLM 5V Turbo仅限API模型202,752 令牌上下文 · $1.20/M 输入，$4.00/M 输出
- GLM 5 Turbo仅限API模型202,752 令牌上下文 · $1.20/M 输入，$4.00/M 输出
来自 z-ai 的更多文本模型
常见问题
- 权重开源吗？我能本地运行 GLM-4.6V 吗？
- 是的，权重托管于 Hugging Face 的 zai-org/GLM-4.6V，模型支持 SGLang 和 vLLM。1060 亿版本需要强大硬件，Z.ai 还提供 90 亿参数的 Flash 版本，适合本地和低延迟使用。
- GLM-4.6V 的费用和上下文窗口是多少？
- 通过 Z.ai API，输入令牌每百万 0.30 美元，输出令牌每百万 0.90 美元，上下文窗口为 131,072 令牌。
- GLM-4.6V 与 GLM-4.6V-Flash 有何区别？
- GLM-4.6V 是面向云端和高性能集群的 1060 亿基础模型；GLM-4.6V-Flash 是 90 亿轻量版本，优化本地部署和低延迟。
船长评语少有的开源多模态模型，能实现从视觉感知到执行闭环，文档和智能体工作值得重点关注。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据，可能会变动。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据，所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据，分解就会显示在这里。
术语表：这里用到的术语
- 热度得分
- 一个数字，表示模型当前的使用和需求程度，范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序，别无他物。
- 基准线
- 所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°；基准线以下的部分保留给无数据的替代模型，这样有数据的模型总是排在无数据模型之上。基准线对所有人相同，不影响排名；超过基准线的度数才是实际测量值。
- 下载等价量
- 得分中当作下载计算的所有项目总和：下载本身，每个种子上传者算1,000，每个AI Horde图片和每次生成网站的运行算一个。
- 对数刻度
- 以十为单位计数，而不是以一为单位：从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
- 点赞
- 来自所有来源的点赞和竖起大拇指，每个点赞在对数刻度上价值半个下载。
- 采用率
- 模型当前每天的下载次数，基于两次读数的差值。权重是下载项的四分之一。
- 测量与估算
- 测量表示有两个来源的读数，且差异是真实的。估算表示只知道今天的总数，过去的数据是根据模型的生命周期分配的；网站会说明显示的是哪种。
- 做种者
- 指那些在线保存权重副本供他人通过种子下载的人，或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
- AI Horde
- 一个志愿者网络，在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的，每张图片算作一次下载。
- 生成网站
- 托管自己模型副本并允许用户生成的站点，比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样，每次生成算一次下载。
- OpenRouter 令牌
- 通过API提供的文本模型，如Claude或GPT，没有权重需要下载，因此其使用量以令牌计量：过去30天内通过OpenRouter（一种许多应用使用的网关）读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（检查点）
- 权重文件本身，是能独立生成的文件。它会获得额外加分，因为附加组件依赖它。
- LoRA和嵌入
- 小型附加文件，用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
- 家族与权重
- 模型构建所基于的基础，比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
- 年龄
- 根据家族权重发布多久，扣除的度数：每年150°，最多750°。它保留了那些积累了多年下载量的老模型，防止它们被挤出榜单顶部。
- 家族加成
- 对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分，总是在分数细目中列出。
- 替代分数
- 给还没有任何来源报告的模型一个稳定的最低分数，这样榜单才完整。它永远不会高于有数据的模型。
- 新模型！（宽限期）
- 不到7天的新模型显示“新模型！”而非分数，且不参与排名。其分数从第一天开始计算，但一天大的模型增长最快，若不等待，周榜#1总是昨天刚发布的模型，而非持续一周的。
- 趋势
- 模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目录的中间值：一半有数据的模型增长比它快，一半比它慢。
GLM 4.6V 是 Text / LLM 系列的一个文本模型，收录于 ModelTrends.ai——一个只读的开源 AI 图像、视频和文本模型目录。你可以将它与其他 Text / LLM 模型比较，并查看热度分数了解趋势。
按模型系列浏览
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153