Naar inhoud
Tier A — Frontier
Draait in:CNGemaakt in:China
Z.ai (GLM / Zhipu)

GLM-4.5V (vision)

Tier A — Frontier · 66K tokens

Tokonomix-redactie·Gecontroleerd door Mes Kalkan··

GLM-4.5V is het visiegeschikte lid van de GLM-4.5-lijn: het accepteert afbeeldingen met tekst en redeneert over beide. Het is een capabele multimodale optie, verankerd in de goed begrepen GLM-4.5-generatie.

Sectie 01

Snelheidsanalyse

Latency gemeten over alle benchmark-runs. P50 (mediaan) en P95 (95e percentiel) geven een realistisch beeld van de responssnelheid onder normale en piekbelasting.

P50 latency (mediaan)P95 latency57 runs
822849216161238313150007-0807-22ms
Sectie 02

Kwaliteitsscores

Evaluatieresultaten van judge-model beoordelingen over diverse taakcategorieën. Scores weerspiegelen coherentie, accuratesse en instructieopvolging.

93
Code generatie
45
Creatief
Sectie 03

Prijsgeschiedenis

Directe provider-tarieven per miljoen tokens, plus een typische gespreks-kostschatting.

💰
API-tarieven — GLM-4.5V (vision)
$0.6000 per 1M input-tokens
$1.80 per 1M output-tokens
≈ $0.0007 per typisch gesprek (800 tokens)
Input vs output prijs (per 1M tokens)
per 1M input-tokens$0.6000
per 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
Sectie 04

Tokens per seconde

Doorvoersnelheid in tokens per seconde, afgeleid uit gemeten P50-latency. Hogere waarden zijn beter; fluctuaties weerspiegelen serverbelasting bij de provider.

Doorvoer (tokens / s)122 / avg 139
24136

Geschat uit P50-latency × 200 output-tokens — het absolute getal hangt af van deze aanname; de trend is wat telt.

Sectie 05

Mogelijkheden

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

Beschikbaarheid

Beschikbaarheid

Hoe vaak dit model antwoordt als we het aanroepen — gemeten over echte API-aanvragen en live-tests in de afgelopen 30 dagen. Dit staat los van kwaliteit: deze cijfers laten alleen zien of het model reageert, niet hoe goed het antwoord is.

Afgelopen 7 dagen

Afgelopen 30 dagen

100.0%

n=1

Mediane responstijd

1,862ms

n=1

Gebaseerd op 178 metingen in de afgelopen 30 dagen.

Technische details

Alleen echte API-aanroepen en live-testverzoeken tellen mee — interne probes en benchmarkruns zijn uitgesloten.

Aanroepen met een eigen API-sleutel (BYOK) zijn uitgesloten: die fouten zijn sleutelspecifiek en geen teken van modelneergang.

Mislukte aanroepen worden NIET meegeteld in kwaliteitsscores — kwaliteit wordt gemeten op geslaagde responses. Beschikbaarheid en kwaliteit zijn onafhankelijke signalen.

Mediane responstijd (p50) over geslaagde aanroepen met een vastgelegde duur. Uitschieters trekken de mediaan minder dan het gemiddelde.

Totaal aanroepen (30d)

1

OK-reacties (30d)

1

Totaal aanroepen (7d)

0

OK-reacties (7d)

0

Sectie 07

Tokonomix benchmark-oordelen

⚖️
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
Sectie 08

Volledig modelprofiel

GLM-4.5V: het GLM-4.5-visiemodel

GLM-4.5V is het visiegeschikte lid van de GLM-4.5-lijn: het accepteert afbeeldingen met tekst en redeneert over beide. Het is een capabele multimodale optie, verankerd in de goed begrepen GLM-4.5-generatie.

z.ai publiceert GLM-4.5V voor $0,60 per 1M invoertokens en $1,80 per 1M uitvoertokens.

Het adverteert een 64K-token contextvenster — kleiner dan GLM-4.6V, maar ruim voldoende voor typische afbeelding-plus-prompttaken.

Architectuur & trainingssignalen

GLM-4.5V is de visievariant van Zhipu AI’s GLM-4.5, die beeldinvoer toevoegt aan het tekstmodel. Het levert tekstuitvoer die redeneert over de aangeleverde afbeeldingen, met tool- en JSON-ondersteuning via een OpenAI-compatibel eindpunt. De uitvoermodaliteit is tekst (beeldbegrip, geen generatie). Zoals de rest van de GLM-lijn levert het een niet-standaard reasoning_content-veld naast content; integraties moeten content lezen voor het uiteindelijke antwoord en reasoning_content als optioneel spoor behandelen.

Waar het uitblinkt

  • Beeldbegrip verankerd in de volwassen GLM-4.5-generatie.
  • Visuele vraag-antwoord, extractie- en beschrijvingstaken.
  • Tool-aanroepen en JSON voor multimodale agenten.

Waar het tekortschiet

  • Kleiner contextvenster dan GLM-4.6V; en het leest afbeeldingen, het genereert ze niet.
  • Nog geen Tokonomix-benchmarkdata; valideer op je eigen afbeeldingen.
  • Niet-EU-hosting.

Praktijkvoorbeelden

  • Screenshot- en documentbegrip.
  • Visuele vraag-antwoord.
  • Multimodale analysepijplijnen.

Tokonomix-benchmarkmomentopname

GLM-4.5V is nieuw geregistreerd op Tokonomix en nog niet geactiveerd, dus we hebben het nog niet door onze wekelijkse intelligentietest of snelheidsbenchmark gehaald. Er zijn nog geen Tokonomix-scores om te melden — en we verzinnen ze niet.

Zodra het live gaat, komt het in dezelfde wekelijkse harnas als elk ander model: identieke prompts, een onafhankelijke cross-family-jury en reproduceerbare latentie- en kostenmetingen. Behandel tot die tijd de prijs- en capaciteitsnotities op deze pagina als het door de leverancier opgegeven startpunt, niet als gemeten Tokonomix-resultaten.

EU-privacy & dataresidentie

GLM-4.5V is gebouwd door Zhipu AI (z.ai), een lab met hoofdkantoor in China, en wordt geserveerd vanaf niet-EU-infrastructuur. Dit moeten we duidelijk stellen: een prompt naar dit model sturen is geen keuze voor EU-dataresidentie of GDPR-soevereiniteit, en Tokonomix zal het nooit als zodanig bestempelen.

Als uw gebruikssituatie vereist dat data binnen de EU blijft, kies dan een EU-gehost model (bijvoorbeeld onze OVH- of Azure-EU-routes) in plaats van een GLM-model. Tokonomix houdt z.ai standaard buiten elke EU-only/soevereine routeringsset. Gebruik GLM waar de capaciteit of prijs de prioriteit is en grensoverschrijdende verwerking voor die taak aanvaardbaar is.

Oordeel & alternatieven

GLM-4.5V is een solide visiemodel uit de GLM-4.5-generatie. Voor een groter contextvenster en een lagere prijs is GLM-4.6V de nieuwere keuze; voor nul kosten GLM-4.6V Flash.

Laatste automatische test
22 jul 2026 · 08:04 UTC · Snelheidstest
P50 latency
1633 ms
P95 latency
8229 ms
Fouten
0 / 6 runs
Laatst beoordeeld door Tokonomix-team·8 juli 2026