z-ai
Z.ai: GLM 4.5V
z-ai/glm-4.5v
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
GLM-4.5V es el modelo de visión y lenguaje de Z.ai que produce texto a partir de entradas de texto e imagen. El proveedor describe una arquitectura mixture-of-experts con 106B parámetros totales y 12B activos, un modo Thinking opcional y cobertura de tareas de imagen, documentos, gráficos, GUI, localización visual y video. OpenRouter, por separado, solo enumera entradas de texto e imagen, llamadas a herramientas y controles de razonamiento. La documentación afirma resultados líderes entre modelos de escala similar, pero las fuentes no incluyen puntuaciones medidas de forma independiente.[1][2]
Puntos fuertes
- El proveedor describe razonamiento multimodal para escenas y análisis multiimagen, documentos y gráficos, pantallas GUI, localización visual y video; la lista de entradas de OpenRouter es más limitada.[1][2]
- El selector Thinking Mode se presenta como equilibrio entre respuestas rápidas y razonamiento profundo, mientras OpenRouter expone controles de razonamiento, herramientas y formato de respuesta.[1][2]
- El repositorio de Hugging Face indica una licencia MIT y ofrece rutas de uso con Transformers, vLLM, SGLang y LLaMA-Factory.[2]
Limitaciones
- OpenRouter solo enumera salida de texto y entradas de texto o imagen; la compatibilidad con video declarada por el proveedor debe confirmarse en la API elegida.[1][2]
- El proveedor reconoce problemas pendientes con formato y escape de HTML, razonamiento excesivo o repetición, respuestas repetidas al final, preguntas de solo texto y percepción como conteo o identificación de personas.[2]
- El paquete de evidencia solo contiene datos de catálogo y documentación del proveedor, sin mediciones independientes; valide precisión, latencia, fiabilidad e integración en las tareas objetivo.[1][2]
Dónde utilizarlo
- Considérelo para preguntas visuales sobre capturas, imágenes, gráficos o documentos largos cuando baste una salida de texto.[1][2]
- Considérelo para prototipos de asistentes GUI o de escritorio que lean pantallas, identifiquen iconos o generen cuadros delimitadores; la documentación incluye ejemplos de prompts.[2]
- Evalúelo para reconocimiento o segmentación de eventos en video solo tras confirmar que la ruta de servicio acepta video, ya que el catálogo no lo enumera como entrada.[1][2]
Fuentes
- [1] OpenRouter catalog · Z.ai: GLM 4.5VFuentes consultadas: 13 nov 2026
- [2] Model documentation · Z.ai: GLM 4.5VFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
GLM-4.5V is a vision-language foundation model for multimodal agent applications. Built on a Mixture-of-Experts (MoE) architecture with 106B parameters and 12B activated parameters, it achieves state-of-the-art results in video understanding,...
Especificaciones
- ID del modelo
- z-ai/glm-4.5v
- Creador
- z-ai
- Añadido a OpenRouter
- 11.08.2025
- Longitud de contexto
- 65,536
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.600 / salida $1.8
- Corte de conocimiento
- 31.12.2024
- Fecha de expiración
- 31.12.2026
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Programación | Sin medición | — |
| Agentes | Sin medición | parámetros: tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: opcional · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
No hay evaluaciones aportadas para este modelo.
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| Novitafp8 | 65,536 | $0.600 | $1.8 | — | — | 100% |
| Z.AIfp8 | 65,536 | $0.600 | $1.8 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.