GLM-4.6V

概要

128kの文脈窓を備えたオープンソースのマルチモーダルモデル。視覚認識とツール活用をネイティブに結ぶ機能呼び出しを搭載。

主な特徴

• 視覚情報から直接実行アクションへ橋渡し
• 画像とテキストの高品質コンテンツを自動生成
• 製品閲覧・価格比較・買い物リスト作成などのワークフローを独立処理
• フロントエンドの再現性と視覚対話機能を強化
• ウェブ検索やコーディングのエージェントワークにも活用可能。将来的な拡張性も高い。

利用方法・入手先

• Z.ai で試用可能
• Hugging Face でオープンウェイト公開