GLM-4.6VModello multiminimale open-source GLM da Z.ai che unisce visione, testo e chiamata dell'utente per la ragionevolezza in lungo contesto, ricerca, codifica e interfaccia-utente-a-codice.

GLM-4.6V è un modello linguistico multimodale avanzato che scala la finestra di contesto a 128k token e raggiunge la prestazione di punta nella comprensione visiva. Integra capacità di chiamata di Funzione native, consentendo una fondazione tecnica unificata per gli agenti multimodali in scenari di business reali. GLM-4.6V può accettare input multimodalità e generare automaticamente contenuto di alta qualità intercalato immagine-testo strutturato, eseguire complessa comprensione del documento, e effettuare ricerca e recupero visivo. Questa modello fornisce diverse capacità e scansioni, tra cui la creazione di contenuti immagine-testo intelligenti e layout, la ricerca visiva web e la generazione di rapporti di media ricca, e la comprensione del contesto a lungo termine. Può accettare ingressi misti di testo e immagini, generare contenuti di alta qualità e effettuare un audit visivo su candidature di immagini. Il flusso di lavoro di ricerca ed analisi multimodale di GLM-4.6V consente uno spostamento senza soluzione di continuità dalla percezione visiva alla ricerca online e alla generazione di report strutturati. Esso mantiene una consapevolezza della contestualizzazione multimoda e esegue ragionamenti basati su informazioni testuali e visive. Questo modello offre numerose funzionalità e scenari, tra cui riconoscimento di intenti e pianificazione di ricerca, allineamento dei risultati multimodali e ragionamento con la generazione di rapporti di media ricchi.