GLM-4.6VAvatud lähtekoodiga mitmemoodiline GLM Z.ai-lt, mis ühendab nägemise, teksti ja tööriistade väljakutsumise pikkade kontekstide põhjendamiseks, otsingu, kodeerimise ja UI‑koodi konversiooni jaoks.

GLM-4.6V on mitmemoodiline suur keelemudel, mille kontekstiaken ulatub 128 k tokenini ning saavutab tipptaseme tulemused visuaalses mõistmises. See integreerib sisseehitatud Function Calling funktsionaalsuse, võimaldades luua ühtse tehnilise aluse mitmemoodilistele agentidele reaalses ärikeskkonnas. GLM-4.6V suudab töödelda mitmemoodilisi sisendeid ja automaatselt genereerida kvaliteetset, struktureeritud pildi‑teksti vahelduvat sisu, teostada keerukat dokumendi mõistmist ning teha visuaalset otsingut ja andmete hankimist. See mudel pakub mitmeid võimeid ja stsenaariume, sealhulgas intelligentset pildi‑teksti sisuloome ja paigutuse genereerimist, visuaalset veebiotsingut ja rikkalike meediaaruannete loomist ning pikaajalist konteksti mõistmist. See suudab vastu võtta segatud tekst‑pildi sisendeid, luua kõrgekvaliteedilist sisu ning teostada visuaalset auditit kandidaadi piltide üle. GLM-4.6V mitmemoodiline otsingu‑analüüsi töövoog võimaldab sujuvat liikumist visuaalsest tajumisest veebipõhise andmete hankimise ja struktureeritud aruannete genereerimiseni. See säilitab mitmemoodilise konteksti teadlikkuse ning teeb põhjendusi, mis põhinevad nii tekstilisel kui ka visuaalsel informatsioonil. Mudeli võimed ja stsenaariumid hõlmavad ka kavatsuste tuvastamist ja otsingu planeerimist, mitmemoodiliste tulemuste kooskõlastamist ning põhjendusi rikaste meediaaruannete loomisel.