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

GLM-4.6

Tier A — Frontier · 205K tokens

Tokonomix-redactie·Gecontroleerd door Mes Kalkan··

GLM-4.6 is een gevestigd model in Zhipu’s GLM-4-lijn, gebouwd rond een groot contextvenster en een focus op code en agentisch tool-gebruik. Het biedt het meeste van GLM-4.7’s praktische waarde en is een van de rijpere GLM-chatmodellen.

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
1004862816252238763150007-0807-22ms
Sectie 02

Kwaliteitsscores

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

93
Code generatie
0
Creatief
Sectie 03

Prijsgeschiedenis

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

💰
API-tarieven — GLM-4.6
$0.6000 per 1M input-tokens
$2.20 per 1M output-tokens
≈ $0.0008 per typisch gesprek (800 tokens)
Input vs output prijs (per 1M tokens)
per 1M input-tokens$0.6000
per 1M output-tokens$2.20

Pricing over time

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

$0.6000

input / 1M

— stable

$2.20

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)55 / avg 61
19812

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.toolsreasoning
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=17

Mediane responstijd

65,035ms

n=17

Gebaseerd op 194 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)

17

OK-reacties (30d)

17

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-4-577/100 · 5 runs
4 correct0 partial1 wrong80% accuracy
2026-07-19

GLM-4.6 maintains strong coding with new JSON and tool capabilities

GLM-4.6 from Zhipu continues to demonstrate solid performance in the current benchmark window, building on its established strengths. The model shows consistent coding capabilities, maintaining its position as a competent option for development tasks. New capabilities have been added including native JSON output formatting, tool use functionality, and reasoning features, expanding the model's practical applications beyond its core competencies. Performance remains stable across key evaluation areas, with the model showing particular reliability in structured tasks. The addition of JSON mode and tool calling capabilities makes GLM-4.6 more versatile for integration into production workflows where formatted outputs and function calling are essential. The reasoning capability addition suggests an attempt to handle more complex multi-step problems, though the extent of improvement in this area would require further evaluation. For developers and teams considering GLM-4.6, the model presents a balanced option with established coding performance now supplemented by practical features like tool use and structured output. The stability in core performance combined with incremental capability additions positions it as a reliable choice for applications requiring consistent behavior alongside modern API features.

Quality

Latency p50

Test runs

0

JSON output mode added Tool calling capability enabled Reasoning feature introduced Stable coding performance maintained
Sectie 08

Volledig modelprofiel

GLM-4.6: lange-context, code-gerichte GLM

GLM-4.6 is een gevestigd model in Zhipu’s GLM-4-lijn, gebouwd rond een groot contextvenster en een focus op code en agentisch tool-gebruik. Het biedt het meeste van GLM-4.7’s praktische waarde en is een van de rijpere GLM-chatmodellen.

z.ai publiceert GLM-4.6 voor $0,60 per 1M invoertokens en $2,20 per 1M uitvoertokens, dezelfde waardelaag als GLM-4.7.

Het adverteert een groot ~200K-token contextvenster — een bepalend kenmerk van GLM-4.6 voor werk op lange bestanden en repository-schaal.

Architectuur & trainingssignalen

GLM-4.6 maakt deel uit van de GLM-4-lijn van Zhipu AI, die aandacht kreeg voor capabele modellen met open gewichten, afgestemd op code en agentische taken en op lange context. Het is een redeneer-capabel chatmodel met tool-aanroepen en JSON via een OpenAI-compatibel eindpunt. 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

  • Werk met lange context — het grote venster is het pronkstuk.
  • Code en agentisch tool-gebruik.
  • Een kosteneffectieve, goed beproefde GLM-optie.

Waar het tekortschiet

  • GLM-4.7 en de GLM-5-generatie kunnen het net verslaan op nieuwere capaciteiten.
  • Nog geen Tokonomix-benchmarkscores; valideer op je werklast.
  • Niet-EU-hosting.

Praktijkvoorbeelden

  • Code-begrip en -generatie op repository-schaal.
  • Analyse van lange documenten waar de volledige tekst in één aanroep moet passen.
  • Agentische pijplijnen die betrouwbare tool-aanroepen nodig hebben.

Tokonomix-benchmarkmomentopname

GLM-4.6 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-4.6 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-4.6 is een betrouwbare, lange-context, code-gerichte GLM tegen een scherpe prijs. Wil je de nieuwste iteratie, dan GLM-4.7; wil je de nieuwste generatie, dan GLM-5.x. Voor gratis experimenteren combineer je het met de GLM Flash-lagen.

Laatste automatische test
22 jul 2026 · 08:01 UTC · Snelheidstest
P50 latency
3642 ms
P95 latency
4888 ms
Fouten
0 / 6 runs
Laatst beoordeeld door Tokonomix-team·8 juli 2026