z-ai
Z.ai: GLM 4.5V
z-ai/glm-4.5v
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
GLM-4.5V é o modelo de visão e linguagem da Z.ai que gera texto a partir de entradas de texto e imagem. O fornecedor descreve uma arquitetura mixture-of-experts com 106B parâmetros no total e 12B ativos, um Thinking Mode opcional e cobertura de tarefas com imagens, documentos, gráficos, GUI, localização visual e vídeo. O OpenRouter lista separadamente apenas entradas de texto e imagem, chamadas de ferramentas e controles de raciocínio. A documentação afirma resultados de ponta entre modelos de escala semelhante, mas as fontes não incluem pontuações medidas independentemente.[1][2]
Pontos fortes
- O fornecedor descreve raciocínio multimodal para cenas e análise de várias imagens, documentos e gráficos, telas de GUI, localização visual e vídeo; a lista de entradas do OpenRouter é mais restrita.[1][2]
- A chave Thinking Mode é apresentada como equilíbrio entre respostas rápidas e raciocínio profundo, enquanto o OpenRouter expõe controles de raciocínio, ferramentas e formato de resposta.[1][2]
- O repositório do Hugging Face informa licença MIT e fornece fluxos para Transformers, vLLM, SGLang e LLaMA-Factory.[2]
Limitações
- O OpenRouter lista apenas saída de texto e entradas de texto ou imagem; o suporte a vídeo declarado pelo fornecedor deve ser confirmado na API escolhida.[1][2]
- O fornecedor reconhece problemas restantes com formatação e escape de HTML, raciocínio excessivo ou repetição, respostas reafirmadas no final, perguntas somente textuais e percepção como contagem ou identificação de pessoas.[2]
- O pacote de evidências contém apenas dados de catálogo e documentação do fornecedor, sem medições independentes; valide precisão, latência, confiabilidade e integração nas tarefas-alvo.[1][2]
Onde usar
- Considere para perguntas visuais sobre capturas de tela, imagens, gráficos ou documentos longos quando uma saída somente em texto for suficiente.[1][2]
- Considere para protótipos de assistentes de GUI ou desktop que leiam telas, identifiquem ícones ou gerem caixas delimitadoras; a documentação fornece exemplos de prompts.[2]
- Avalie para reconhecimento ou segmentação de eventos em vídeo somente após confirmar que a rota de serviço aceita vídeo, pois o catálogo não o lista como entrada.[1][2]
Fontes
- [1] OpenRouter catalog · Z.ai: GLM 4.5VFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · Z.ai: GLM 4.5VFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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,...
Especificações
- ID do modelo
- z-ai/glm-4.5v
- Criador
- z-ai
- Adicionado ao OpenRouter
- 11.08.2025
- Comprimento de contexto
- 65,536
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.600 / saída $1.8
- Corte de conhecimento
- 31.12.2024
- Data de expiração
- 31.12.2026
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
Não há avaliações fornecidas para este modelo.
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Novitafp8 | 65,536 | $0.600 | $1.8 | — | — | 100% |
| Z.AIfp8 | 65,536 | $0.600 | $1.8 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.