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

GLM-4.6V (vision)

Tier A — Frontier · 205K tokens

Tokonomix-redactie·Gecontroleerd door Mes Kalkan··

GLM-4.6V is het visiegeschikte model van de GLM-4.6-lijn: het accepteert afbeeldingen naast tekst en redeneert over beide. Het combineert multimodaal begrip met het grote contextvenster van de GLM-4.6-lijn, tegen een opvallend lage prijs.

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
821849116161238303150007-0807-22ms
Sectie 02

Kwaliteitsscores

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

75
Code generatie
45
Creatief
Sectie 03

Prijsgeschiedenis

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

💰
API-tarieven — GLM-4.6V (vision)
$0.3000 per 1M input-tokens
$0.9000 per 1M output-tokens
≈ $0.0004 per typisch gesprek (800 tokens)
Input vs output prijs (per 1M tokens)
per 1M input-tokens$0.3000
per 1M output-tokens$0.9000

Pricing over time

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

$0.3000

input / 1M

— stable

$0.9000

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)116 / avg 139
2415

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

3,997ms

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-4-561/100 · 6 runs
3 correct0 partial3 wrong50% accuracy
● 2026-07-19

GLM-4.6V debuts with vision capabilities and multimodal support

GLM-4.6V enters the benchmark landscape as a new multimodal model from Zhipu AI, bringing vision capabilities alongside text processing. The model demonstrates solid performance across vision tasks, achieving 49.0% on MMMU and 71.6% on MathVista, placing it in the competitive middle tier for multimodal understanding. On text-only benchmarks, it scores 56.3% on MMLU and 49.8% on GPQA Diamond, showing respectable but not leading-edge performance. The model supports both JSON output and tool use, making it suitable for structured applications and agentic workflows. Notably, it handles Chinese language tasks well at 71.8% on MMMLU, reflecting its origins from a Chinese research team. The addition of vision capabilities expands the GLM series into multimodal territory, though performance metrics suggest it targets practical applications rather than state-of-the-art benchmarks. Users seeking a capable multimodal model with good Chinese language support and standard API features will find GLM-4.6V a workable option, though those requiring top-tier performance on complex reasoning or vision tasks may need to consider alternatives.

Quality

—

Latency p50

—

Test runs

0

✓ Vision capabilities added✓ JSON and tool support✓ Strong Chinese language performance
Sectie 08

Volledig modelprofiel

GLM-4.6V: lange-context visie van Zhipu

GLM-4.6V is het visiegeschikte model van de GLM-4.6-lijn: het accepteert afbeeldingen naast tekst en redeneert over beide. Het combineert multimodaal begrip met het grote contextvenster van de GLM-4.6-lijn, tegen een opvallend lage prijs.

z.ai publiceert GLM-4.6V voor $0,30 per 1M invoertokens en $0,90 per 1M uitvoertokens — een agressief lage prijs voor een visiegeschikt model.

Het adverteert een groot ~200K-token contextvenster, zodat afbeeldingen gecombineerd kunnen worden met substantiële tekst in één aanroep.

Architectuur & trainingssignalen

GLM-4.6V is de visievariant van Zhipu AI’s GLM-4.6. Het breidt het tekstmodel uit met beeldinvoer en levert tekstuitvoer die redeneert over de aangeleverde afbeeldingen. Het biedt tool-aanroepen en JSON via een OpenAI-compatibel eindpunt. De uitvoermodaliteit is tekst (het beschrijft/redeneert over afbeeldingen, het genereert ze niet). 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 — beschrijven, vergelijken, informatie extraheren uit foto’s en screenshots.
  • Afbeeldingen combineren met lange tekstcontext in één aanroep.
  • Zeer lage prijs voor een multimodaal model.

Waar het tekortschiet

  • Het leest afbeeldingen, het genereert ze niet — gebruik voor beeldgeneratie z.ai’s GLM-Image / CogView-modellen.
  • Nog geen Tokonomix-benchmarkdata; verifieer visiekwaliteit op je eigen afbeeldingen.
  • Niet-EU-hosting.

Praktijkvoorbeelden

  • Document-, grafiek- en screenshotbegrip.
  • Visuele vraag-antwoord en multimodale analyse op schaal.
  • Een goedkope visie-proposer in een multimodaal consensuspanel.

Tokonomix-benchmarkmomentopname

GLM-4.6V 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-4.6V 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-4.6V is een visiemodel met sterke prijs-kwaliteitverhouding: multimodaal begrip plus lange context tegen een lage prijs. Voor een gratis visie-optie, GLM-4.6V Flash; voor beeldgeneratie (geen begrip), de GLM-Image / CogView-modellen.

Laatste automatische test
22 jul 2026 · 08:04 UTC · Snelheidstest
P50 latency
1723 ms
P95 latency
1997 ms
Fouten
0 / 6 runs
Laatst beoordeeld door Tokonomix-team·8 juli 2026