GLM-4.6V 系列是 GLM 系列在多模态方向上的一次重要迭代，包含 GLM-4.6V（旗舰版）、GLM-4.6V-FlashX（轻量高速版）、GLM-4.6V-Flash（完全免费）。它将训练时上下文窗口提升到128k tokens，在视觉理解精度上达到同参数规模 SOTA，并首次在模型架构中将 Function Call（工具调用）能力原生融入视觉模型，打通从「视觉感知」到「可执行行动（Action）」的链路，为真实业务场景中的多模态 Agent 提供统一的技术底座。
模型基本信息
输入类型：文本、图像
输出类型：文本
TPM：600,000
上下文长度131K
最大输入长度：131K
最大输出长度：8K
模型特性
多模态理解
图像理解
工具调用
结构化输出
多步推理
文档解析
API部署与调用
CURL
curl --location -g --request POST "https://api.example.com/v1/chat/completions" \
--header "Authorization: Bearer $API_KEY" \
--header "Content-Type: application/json" \
--data-raw '{
"messages": [
{
"role": "user",
"content": "你可以帮我做什么"
}
],
"model": "zai-org/GLM-4.6V",
"stream": false
}'
