Z.ai: GLM 4.6V

z-ai/glm-4.6v

GLM-4.6V — это большая мультимодальная модель, разработанная для высокоточного визуального понимания и рассуждений в длинном контексте по изображениям, документам и смешанным медиаданным. Она поддерживает до 128K токенов, напрямую обрабатывает сложные макеты страниц и диаграммы как визуальные входные данные, а также интегрирует нативный мультимодальный вызов функций для связи восприятия с выполнением инструментов. Модель также поддерживает генерацию чередующегося текста и изображений и рабочие процессы по реконструкции пользовательского интерфейса, включая синтез HTML по скриншоту и итеративное визуальное редактирование.