GLM-4.6VOdprtokodni multimodalni GLM podjetja Z.ai, ki združuje vizijo, besedilo in klicanje orodij za dolgokontekstno razmišljanje, iskanje, kodiranje in UI-to-code.

GLM-4.6V je multimodalni velik jezikovni model, ki razširi svoje okno konteksta na 128 k žetonov in dosega vrhunsko zmogljivost pri razumevanju vizualnih vsebin. Vključuje vgrajene funkcionalnosti Function Calling, kar omogoča enotno tehnično osnovo za multimodalne agente v resničnih poslovnih scenarijih. GLM-4.6V lahko sprejme multimodalne vhode in samodejno ustvari visokokakovostno, strukturirano vsebino, ki izmenjuje slike in besedilo, izvaja kompleksno razumevanje dokumentov ter omogoča vizualno iskanje in pridobivanje. Ta model nudi več zmogljivosti in scenarijev, vključno z inteligentnim ustvarjanjem in oblikovanjem vsebine iz slike in besedila, vizualnim spletnim iskanjem ter generiranjem bogatih medijskih poročil, ter razumevanjem dolgih kontekstov. Lahko sprejme mešane vnose besedila in slike, generira visokokakovostno vsebino in izvede vizualni pregled kandidatnih slik. Multimodalni delovni tok iskanja in analize v GLM-4.6V omogoča brezhibno prehajanje od vizualne percepcije do spletnega pridobivanja in ustvarjanja strukturiranih poročil. Ohranjen je multimodalni kontekstualni zavedanje ter se izvaja razmišljanje, ki temelji na tako besedilnih kot vizualnih informacijah. Ta model ponuja več sposobnosti in scenarijev, vključno s prepoznavanjem namena in načrtovanjem iskanja, usklajevanjem multimodalnih rezultatov ter sklepanjem in generiranjem poročil iz bogatih medijev.