GLM 4.6V
5663°
Z.ai | 131,072 token context | $0.30/M input, $0.90/M output. GLM-4.6V 是一款大型多模態模型，專為高保真視覺理解及跨圖像、文件和混合媒體的長上下文推理而設計。它支援最高 128K 代幣，能直接處理複雜的頁面佈局和圖表作為視覺輸入，並整合原生多模態函數調用，將感知與下游工具執行連接起來。該模型還支持交錯的圖文生成和 UI 重建工作流程，包括截圖轉 HTML 合成及迭代視覺編輯。
本模型的指南
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
開放權重、開源與僅API：你到底能做什麼
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
GLM-4.6V 是 Z.ai 推出的 1060 億參數開放權重多模態模型，專為嚴肅的視覺理解設計，涵蓋文件、圖表、截圖及混合圖文內容。其主要特色是原生多模態函數調用，模型能根據所見執行動作，而不僅是描述。適合開發文件處理管線、UI 自動化或多模態代理，且可自行運行的開放模型。
以...聞名
- 原生視覺驅動函數調用：圖片直接用於工具執行，無需轉成文字。
- 可讀取長達 128K 標記的複雜文件，理解版面、表格與圖形（視為圖片）。
- 從 UI 截圖重建像素精確的 HTML/CSS，並接受自然語言編輯。
- 從混合多模態輸入交錯生成圖文，輸出過程中可主動檢索。
- 開放權重，並有輕量 9B Flash 版本供本地或低延遲部署。
注意
- 1060 億旗艦版需要強大硬體；9B Flash 版本適合本地使用，但是不同模型。
- 輸出標記每百萬 0.90 美元，長文件或代理流程中生成大量回應成本快速累積。
可嘗試的提示詞
截圖轉可用 HTML
我附上一張網頁截圖。請重建為乾淨且語義化的 HTML 與 CSS，盡可能保留版面、字體、間距與元件結構。程式碼後請註明任何必須近似的元素及原因。
密集文件問答
我附上一份多頁 PDF（以圖片形式呈現）。請閱讀每頁內容，包括圖表、表格與註腳。然後回答：三個最重要的量化發現是什麼？使用了什麼方法？作者是否對資料品質提出任何警告？
視覺代理工具計畫
我附上一張數據儀表板截圖。請辨識所有可見圖表與指標。對每個，描述你會呼叫什麼工具以取得更新的底層資料，會傳入哪些參數，以及如何驗證結果與視覺一致後再更新報告。
比較
- GLM 5.3 FlashX僅限 API 模型1,048,576 代幣上下文 · $0.37/M 輸入，$1.25/M 輸出
- GLM Flash Latest僅限 API 模型1,048,576 代幣上下文 · $0.02/M 輸入，$0.72/M 輸出
- GLM 5V Turbo僅限 API 模型202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
- GLM 5 Turbo僅限 API 模型202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
更多來自 z-ai 的文字模型
常見問題
- 權重是開放的嗎？我能本地運行 GLM-4.6V 嗎？
- 是的，權重可在 Hugging Face 的 zai-org/GLM-4.6V 取得，模型支援 SGLang 與 vLLM。1060 億版本需強大硬體；Z.ai 也提供 9B Flash 版本，適合本地及低延遲使用。
- GLM-4.6V 的費用和上下文視窗多長？
- 透過 Z.ai API，每百萬輸入標記 0.30 美元，每百萬輸出標記 0.90 美元，上下文視窗為 131,072 標記。
- GLM-4.6V 與 GLM-4.6V-Flash 有何不同？
- GLM-4.6V 是 1060 億基礎模型，針對雲端與高效能叢集；GLM-4.6V-Flash 是 9B 輕量版本，優化本地部署與低延遲。
船長評語少見的開放權重多模態模型，能從「看見」到「執行」完整閉環，對文件處理與代理工作非常值得關注。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
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.
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
GLM 4.6V 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
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