Zum Inhalt
Tier A — Frontier
Läuft in:CNErstellt in:China
Z.ai (GLM / Zhipu)

GLM-4.5V (vision)

Tier A — Frontier · 66K Tokens

Tokonomix-Redaktionsteam·Geprüft von Mes Kalkan··

GLM-4.5V ist das vision-fähige Mitglied der GLM-4.5-Reihe: Es akzeptiert Bilder zusammen mit Text und räsoniert über beide. Es ist eine leistungsfähige multimodale Option, verankert in der gut verstandenen GLM-4.5-Generation.

Abschnitt 01

Geschwindigkeitsanalyse

Latenz über alle Benchmark-Läufe gemessen. P50 (Median) und P95 (95. Perzentil) zeigen ein realistisches Bild der Antwortgeschwindigkeit bei normaler und Spitzenlast.

P50-Latenz (Median)P95-Latenz57 runs
822849216161238313150007-0807-22ms
Abschnitt 02

Qualitätswerte

Auswertungsergebnisse aus Judge-Model-Bewertungen über verschiedene Aufgabenkategorien. Werte spiegeln Kohärenz, Genauigkeit und Anweisungsbefolgung wider.

93
Codegenerierung
45
Kreativ
Abschnitt 03

Preisverlauf

Direkte Provider-Tarife pro Million Tokens, plus eine typische Gesprächskostenschätzung.

💰
API-Tarife — GLM-4.5V (vision)
$0.6000 pro 1M Input-Tokens
$1.80 pro 1M Output-Tokens
≈ $0.0007 pro typischem Gespräch (800 Tokens)
Input- vs. Output-Preis (pro 1M Tokens)
pro 1M Input-Tokens$0.6000
pro 1M Output-Tokens$1.80

Pricing over time

Input & output per 1M tokens · step-line = price changes

$0.6000

input / 1M

— stable

$1.80

output / 1M

— stable

2026-07-122026-07-192026-07-19
Input
Output
Price change
⟳ synced weekly
Abschnitt 04

Tokens pro Sekunde

Durchsatz in Tokens pro Sekunde, abgeleitet aus gemessener P50-Latenz. Höhere Werte sind besser; Schwankungen spiegeln die Provider-seitige Last wider.

Durchsatz (Tokens / s)122 / avg 139
24136

Geschätzt aus P50-Latenz × 200 Output-Tokens — die absolute Zahl hängt von dieser Annahme ab; entscheidend ist der Trend.

Abschnitt 05

Fähigkeiten

jsonnotes: GLM emits a non-standard reasoning_content field beside content; read content for the answer.toolsvision
Abschnitt 06

Verfügbarkeit

Verfügbarkeit

Wie oft dieses Modell antwortet, wenn wir es aufrufen — gemessen anhand echter API-Anfragen und Live-Tests der letzten 30 Tage. Dies ist unabhängig von der Qualität: Diese Zahlen zeigen nur, ob das Modell antwortet, nicht wie gut die Antwort ist.

Letzte 7 Tage

Letzte 30 Tage

100.0%

n=1

Mediane Antwortzeit

1,862ms

n=1

Basierend auf 175 Messungen in den letzten 30 Tagen.

Technische Details

Nur echte API-Aufrufe und Live-Test-Anfragen werden gezählt — interne Proben und Benchmark-Läufe sind ausgeschlossen.

Aufrufe mit einem eigenen API-Schlüssel (BYOK) sind ausgeschlossen: Diese Fehler sind schlüsselspezifisch und kein Zeichen für Modellausfälle.

Fehlgeschlagene Aufrufe werden NICHT in Qualitätswerten berücksichtigt — Qualität wird nur für erfolgreiche Antworten gemessen. Verfügbarkeit und Qualität sind unabhängige Signale.

Mediane Antwortzeit (p50) über erfolgreiche Aufrufe mit aufgezeichneter Dauer. Ausreißer beeinflussen den Median weniger als den Durchschnitt.

Gesamte Aufrufe (30d)

1

OK-Antworten (30d)

1

Gesamte Aufrufe (7d)

0

OK-Antworten (7d)

0

Abschnitt 07

Tokonomix-Benchmark-Urteile

⚖️
Endorsed by 1 judge
Independent LLM judges evaluated this model on our weekly intelligence tests
claude-sonnet-4-558/100 · 6 runs
2 correct1 partial3 wrong33% accuracy
2026-07-19

GLM-4.5V debuts with strong vision and multimodal reasoning capabilities

GLM-4.5V enters the benchmark landscape as Zhipu's new vision-capable model, demonstrating solid performance across multimodal tasks. The model shows particular strength in document understanding and visual reasoning, with competitive scores on common vision benchmarks. Its text-based performance aligns with mid-tier language models, offering reliable coding assistance and general instruction following. The addition of JSON mode and tool calling extends its utility for structured outputs and agent-based workflows, making it suitable for applications requiring both visual analysis and programmatic integration. While the model doesn't lead in any single category, it presents a well-balanced profile for developers seeking vision capabilities within the GLM ecosystem. Performance appears stable across different types of visual inputs, from natural images to technical diagrams. The model's multimodal reasoning shows promise for practical applications like document processing, image analysis, and visual question answering. Users should expect competent performance for most standard vision-language tasks, though cutting-edge applications may still require models with higher benchmark scores in specific domains.

Quality

Latency p50

Test runs

0

Vision capabilities added JSON and tool support Strong multimodal reasoning
Abschnitt 08

Vollständiges Modellprofil

GLM-4.5V: das GLM-4.5-Vision-Modell

GLM-4.5V ist das vision-fähige Mitglied der GLM-4.5-Reihe: Es akzeptiert Bilder zusammen mit Text und räsoniert über beide. Es ist eine leistungsfähige multimodale Option, verankert in der gut verstandenen GLM-4.5-Generation.

z.ai veröffentlicht GLM-4.5V zu $0,60 pro 1M Eingabe-Tokens und $1,80 pro 1M Ausgabe-Tokens.

Es wirbt mit einem 64K-Token-Kontextfenster — kleiner als bei GLM-4.6V, aber ausreichend für typische Bild-plus-Prompt-Aufgaben.

Architektur & Trainingssignale

GLM-4.5V ist die Vision-Variante von Zhipu AIs GLM-4.5 und fügt dem Textmodell Bildeingabe hinzu. Es liefert Textausgabe, die über die bereitgestellten Bilder räsoniert, mit Tool- und JSON-Unterstützung über ein OpenAI-kompatibles Endpoint. Die Ausgabemodalität ist Text (Bildverständnis, keine Generierung). Wie der Rest der GLM-Reihe liefert es ein nicht standardmäßiges reasoning_content-Feld neben content; Integrationen sollten content für die endgültige Antwort lesen und reasoning_content als optionale Spur behandeln.

Wo es glänzt

  • Bildverständnis, verankert in der ausgereiften GLM-4.5-Generation.
  • Visuelle Frage-Antwort-, Extraktions- und Beschreibungsaufgaben.
  • Tool-Aufrufe und JSON für multimodale Agenten.

Wo es schwächelt

  • Kleineres Kontextfenster als GLM-4.6V; und es liest Bilder, es generiert sie nicht.
  • Noch keine Tokonomix-Benchmark-Daten; validieren Sie an eigenen Bildern.
  • Nicht-EU-Hosting.

Anwendungsfälle aus der Praxis

  • Screenshot- und Dokumentenverständnis.
  • Visuelle Frage-Antwort.
  • Multimodale Analyse-Pipelines.

Tokonomix-Benchmark-Momentaufnahme

GLM-4.5V ist neu bei Tokonomix registriert und noch nicht aktiviert, daher haben wir es noch nicht durch unseren wöchentlichen Intelligenztest oder Geschwindigkeits-Benchmark laufen lassen. Es gibt noch keine Tokonomix-Werte zu berichten — und wir erfinden keine.

Sobald es live geht, durchläuft es dieselbe wöchentliche Testumgebung wie jedes andere Modell: identische Prompts, ein unabhängiger, familienfremder Judge und reproduzierbare Latenz- und Kostenmessungen. Behandeln Sie bis dahin die Preis- und Fähigkeitsangaben auf dieser Seite als vom Anbieter veröffentlichten Ausgangspunkt, nicht als gemessene Tokonomix-Ergebnisse.

EU-Datenschutz & Datenresidenz

GLM-4.5V wird von Zhipu AI (z.ai) entwickelt, einem Labor mit Sitz in China, und von Nicht-EU-Infrastruktur aus bereitgestellt. Das muss klar gesagt werden: einen Prompt an dieses Modell zu senden ist keine Entscheidung für EU-Datenresidenz oder DSGVO-Souveränität, und Tokonomix wird es nie als solche kennzeichnen.

Wenn Ihr Anwendungsfall erfordert, dass Daten in der EU bleiben, wählen Sie ein EU-gehostetes Modell (etwa unsere OVH- oder Azure-EU-Routen) statt eines GLM-Modells. Tokonomix hält z.ai standardmäßig aus jedem EU-only-/souveränen Routing-Set heraus. Nutzen Sie GLM dort, wo Fähigkeit oder Preis im Vordergrund stehen und grenzüberschreitende Verarbeitung für diese Aufgabe akzeptabel ist.

Fazit & Alternativen

GLM-4.5V ist ein solides Vision-Modell der GLM-4.5-Generation. Für ein größeres Kontextfenster und einen niedrigeren Preis ist GLM-4.6V die neuere Wahl; für Kostenlosigkeit GLM-4.6V Flash.

Letzter automatisierter Test
22. Juli 2026 · 08:04 UTC · Geschwindigkeits-Benchmark
P50-Latenz
1633 ms
P95-Latenz
8229 ms
Fehler
0 / 6 Läufe
Zuletzt geprüft von Tokonomix-Team·8. Juli 2026