GLM-4.6V — это крупная мультимодальная модель, разработанная для высокоточной визуальной интерпретации и рассуждений в длинном контексте по изображениям, документам и смешанным медиа. Она поддерживает до 128K токенов, обрабатывает сложные макеты страниц и графики непосредственно как визуальные входные данные, а также интегрирует нативный мультимодальный вызов функций для соединения восприятия с выполнением downstream‑инструментов. Модель также позволяет чередовать генерацию изображений и текста и поддерживает рабочие процессы восстановления пользовательского интерфейса, включая синтез screenshot‑to‑HTML и итеративное визуальное редактирование.
curl https://api.vega.chat/api/v1/chat/completions \
-H "Authorization: Bearer $VEGA_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "z-ai/glm-4.6v",
"messages": [
{"role": "user", "content": "Hello!"}
]
}'