2025-12-08
Z.ai 发布 GLM-4.6V 系列，首次集成原生多模态函数调用
智谱 AI（Z.ai）开源了 GLM-4.6V 系列——包含 106B MoE 旗舰版和 9B 密集版 GLM-4.6V-Flash，均支持 128K 上下文和原生多模态工具调用。Flash 版本可免费通过 API 访问，定位为本地和低延迟部署。
TheRouter 编辑重写huggingface.co ↗
返回模型列表
GLM 4.6V Flash
zhipuzhipu/glm-4.6v-flash
Zhipu AI GLM 4.6V Flash — free-tier vision model supporting image, video, and document understanding.
GLM-4.6V-Flash 是智谱 AI（Z.ai）于 2025 年 12 月 8 日发布的免费轻量级视觉语言模型，是 GLM-4.6V 系列中的 9B 参数版本（另一成员为 106B MoE 旗舰版）。该模型专为本地部署和低延迟应用场景优化，与旗舰版共享 128K token 上下文窗口，经原生长多模态序列训练，可在单次推理中处理约 150 页密集文档、200 张幻灯片或 1 小时视频。权重以 THUDM / Z.ai 模型家族名义在 Hugging Face 开源。
GLM-4.6V-Flash 最核心的技术突破是原生多模态函数调用——这在 GLM 视觉家族中尚属首次。传统多模态工具调用需先将图像转换为文本再传入工具，会损失空间和色彩信息。GLM-4.6V-Flash 可将图像、截图和文档页面直接作为工具输入传递，并在同一推理链中消化视觉工具输出（图表、渲染网页、图片搜索结果等）。对 TheRouter 路由层用户而言，这使其成为视觉驱动 Agent 流水线的首选免费选项：支持图像、视频和 PDF 输入，通过标准 OpenAI 兼容 /v1/chat/completions 端点返回文本。
适合使用
- • 零成本多模态 Agent 流水线：原生函数调用让模型直接对视觉输入采取行动——截图到操作、图表读取到工具调用——无需经过有损的图像到文本转换步骤
- • 长文档和视频理解：128K 上下文窗口可在单次调用中处理约 150 页文档、200 张幻灯片或 1 小时视频，适用于零成本的财务分析、报告摘要和会议回顾
- • 前端截图转代码工作流：模型经过调优，可从 UI 截图进行像素级精确的 HTML/CSS/JS 重建，并支持自然语言驱动的视觉编辑；免费层消除了迭代设计循环中的每次调用成本
- • 中文视觉任务：GLM-4.6V-Flash 在中英双语语料上训练，对企业和政府工作流中常见的中文文档布局、表单和视觉内容有充分覆盖
- • 本地和边缘部署：9B 密集架构可在单张消费级 GPU 上运行（已通过 vLLM ≥ 0.12.0 和 SGLang ≥ 0.5.6 测试）；数据驻留或延迟限制不允许云 API 调用时的理想选择
不适合使用
- • 纯文本推理任务：团队自述纯文本 QA 性能落后于视觉优先的训练重点；纯语言工作负载请使用 zhipu/glm-4-flash 或专用文本模型
- • 精确计数和细粒度对象识别：已知局限包括计数准确性和特定个体识别——精度要求严苛的任务应路由到无此已知缺陷的模型，或通过后处理验证
- • 需要 SLA 保证的大规模生产工作负载：免费层没有正式 SLA；业务关键型流水线请路由到付费 VLM（zhipu/glm-4.6v 或 zhipu/glm-4.6v-flashx）
- • 图像生成或编辑：GLM-4.6V-Flash 是视觉语言模型（文本 + 图像 → 文本），不产生图像输出；文生图任务请使用 zhipu/cogview-4 或 zhipu/cogview-3-flash
上下文长度
131K
最大输出
16K
模态能力
文本图像视频PDF→文本
能力
视觉理解
价格明细
暂无定价信息。
支持参数
temperaturemax_tokenstop_ptoolstool_choicestop
模型规格
| 发布日期 | 2025-12-08huggingface.co ↗ | 已核实 |
| 参数量 | 9B（密集）huggingface.co ↗ | 已核实 |
| 架构 | 密集 Transformer（GLM-V 系列）；与 106B MoE 旗舰版同属 GLM-4.6V 系列huggingface.co ↗ | 已核实 |
| 上下文窗口 | 128K token（131,072）— 原生该长度训练docs.z.ai ↗ | 已核实 |
| 最大输出 token 数 | 16,384 tokenhuggingface.co ↗ | 已核实 |
| 输入模态 | 文本、图像、视频、PDF（可在单次请求中混合传入）docs.z.ai ↗ | 已核实 |
| 输出模态 | 仅文本（不生成图像）docs.z.ai ↗ | 已核实 |
| 定价 | 免费 — 通过 TheRouter 和 Z.ai 平台每 token 费用为 $0（输入和输出）docs.z.ai ↗ | 已核实 |
| 原生函数调用 | 是 — GLM 视觉家族首款；图像和视觉工具输出可原生传递，无需文本转换huggingface.co ↗ | 已核实 |
| 训练数据截止 | 未公开披露 | 未知 |
| 许可 | GLM-4 模型许可证（Z.ai / THUDM）— 开放权重；商业使用须符合许可条款huggingface.co ↗ | 待核实 |
| 本地部署支持 | vLLM ≥ 0.12.0；SGLang ≥ 0.5.6（视频任务推荐）；Transformers ≥ 5.0.0rc0huggingface.co ↗ | 已核实 |
| 推荐解码参数 | top_p=0.6、top_k=2、temperature=0.8、repetition_penalty=1.1、max_new_tokens=16384huggingface.co ↗ | 已核实 |
API 使用示例
所有新集成都应使用下方示例中的全球端点 api.therouter.ai；旧中国加速端点已下线。
cURL
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "zhipu/glm-4.6v-flash",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'API 使用指南
完整 API 参考 →视觉对话补全（图像 / 视频 / PDF 输入）
GLM-4.6V-Flash 通过 api.therouter.ai 的标准 OpenAI /v1/chat/completions 端点访问。与 GPT-4o 一样，以 image_url 内容块传入图像。支持在单次请求中混合传入文本、图像、视频和 PDF 输入。函数调用通过标准 tools / tool_choice 参数实现——图像和视觉工具输出原生处理。API 完全免费，不消耗额度。
cURL
# Image understanding — free via TheRouter
curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "zhipu/glm-4.6v-flash",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": { "url": "https://therouter.ai/assets/vision-sample.png" }
},
{
"type": "text",
"text": "Summarise the key trends shown in this chart."
}
]
}
],
"max_tokens": 1024
}'zhipu 其他模型
同类模型
跨供应商的相似能力档位动态与变更
常见问题
GLM-4.6V-Flash 真的免费吗，未来会开始收费吗？
截至 2026 年 6 月，该模型在 Z.ai 平台和 TheRouter 上的定价均为每 token $0（输入和输出）。定价由智谱 AI 决定，可能随时变更；无论哪个层级，标准速率限制和内容审核均适用。请关注 Z.ai 定价页面了解最新动态。
GLM-4.6V-Flash 和 GLM-4.6V-FlashX 有什么区别？
两者均为 GLM-4.6V 系列的 9B 轻量版本。GLM-4.6V-Flash 是无正式 SLA 的免费层版本。GLM-4.6V-FlashX 是付费版本（截至 2026 年 6 月：¥0.05/M 输入 token、¥0.30/M 输出 token），提供适合生产工作负载的 SLA 可靠性保障。原型开发和零成本流水线选 Flash；需要保证正常运行时间时选 FlashX。
原生多模态函数调用与标准工具调用有何不同？
在标准 LLM 工具调用中，图像必须先转换为文字描述才能作为工具参数传递——这个过程会损失空间、色彩和布局信息。GLM-4.6V-Flash 可将图像、截图和文档页面直接作为工具输入（通过 URL 引用）传递，并能在同一推理链中处理工具返回的视觉输出——如图表、渲染网页或图片搜索结果。API 接口与标准 OpenAI 工具调用完全一致；多模态能力由模型和 Z.ai / TheRouter 层透明处理。
GLM-4.6V-Flash 实际上能处理多长的上下文内容？
该模型的 128K token 上下文窗口是原生训练（而非事后扩展）的，这意味着它能在整个窗口范围内保持连贯性。Z.ai 团队报告的实际等效值为：单次推理可处理约 150 页密集文档、200 张幻灯片或 1 小时视频，因为视觉页面由视觉编码器编码为 token。每次请求的最大输出上限为 16,384 token。
在生产环境中我应该注意 GLM-4.6V-Flash 哪些已知局限性？
Z.ai 团队在模型卡中明确承认以下局限：(1) 纯文本 QA 性能弱于视觉能力，因为本轮训练优先考虑了多模态场景；(2) 处理复杂提示词时，模型可能偶尔过度思考或重复内容；(3) 某些情况下会在回复末尾重述答案；(4) 计数准确性和特定个体识别仍不完善。对于免费层、无 SLA 的工作流，这些是可接受的权衡。如果生产路径中上述任何一点至关重要，请仔细验证输出或路由到付费模型。
事实档案 — 本页每条断言可在此回溯来源
| 来源 | URL | 采集于 | |
|---|---|---|---|
| 发布日期 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 参数量 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 架构 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 上下文窗口 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 最大输出 token 数 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 输入模态 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 输出模态 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 定价 | docs.z.ai ↗ | 2026-06-09 | 已核实 |
| 原生函数调用 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 训练数据截止 | — | — | 未知 |
| 许可 | huggingface.co ↗ | 2026-06-09 | 待核实 |
| 本地部署支持 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| 推荐解码参数 | huggingface.co ↗ | 2026-06-09 | 已核实 |
| Z.ai 发布 GLM-4.6V 系列，首次集成原生多模态函数调用 | huggingface.co ↗ | 2026-06-09 | 已核实 |