GLM-4.6V-Flash
- 输入 输入模态: 文本图像视频 输出 输出模态: 文本
- 推理
- 可关闭推理
- 工具调用
- 开放权重
价格
2 个渠道报价 · 按标价显示 Z.ai API（在新标签页打开）
GLM-4.6V-Flash| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | 免费 | 免费 | 免费 |
价格来源 智谱 BigModel：API 定价（在新标签页打开） (核对于 2026年11月2日)
Z.ai API（在新标签页打开）
GLM-4.6V-Flash| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | 免费 | 免费 | 免费 |
价格来源 Pricing（在新标签页打开） (核对于 2026年11月1日)
标准：不带任何条件的请求所付价格（即本站其他页面显示的标价）。
详细规格
- 模型家族
- glm-flash
- 模型 ID
Zhipu AI 的页面未说明：最长输入, 推理档位, 最大思考预算, 结构化输出, 内置工具, 知识截止, 许可证, 别名。
本地运行
权重： zai-org/GLM-4.6V-Flash- 参数 10.3B
- 稠密
- 原生精度 BF16
- 层数 40
- 每 token 的 KV 缓存 40 KB
- 配置位置数 128K （config.json max_position_embeddings）
- API 上下文 125K （厂商 API）
在你的配置上 · GeForce RTX 4090
●流畅 Q8_0 （自动） 8K 上下文 45–67 tok/s单卡
权重KV 缓存运行开销可用上限
- 需要
- ≈ 11.0 GB (权重 10.2 + KV 缓存 0.3 + 开销 0.5)
- 可用
- 21.6 GB (标称的 90%)
- 生成速度
- 45–67 tok/s
- 最长上下文
- 125K (模型上限)
- 首 token
- 2K 提示约 0.33–0.50 秒
| 推荐精度 | 权重 | 8K 需要 | 在你的配置上 | 最长上下文 |
|---|---|---|---|---|
| 原生 BF16官方 | 19.2 GB | ≈ 20.4 | ●流畅 24–36 tok/s | 37K |
| Q8_0 | 10.2 GB | ≈ 11.0 | ●流畅 45–67 tok/s | 125K |
| FP8 | 9.6 GB | ≈ 10.4 | ●流畅 47–71 tok/s | 125K |
| Q6_K | 7.9 GB | ≈ 8.7 | ●流畅 57–86 tok/s | 125K |
| Q5_K_M | 6.8 GB | ≈ 7.6 | ●流畅 66–99 tok/s | 125K |
| Q5_0 | 6.6 GB | ≈ 7.4 | ●流畅 68–102 tok/s | 125K |
| Q4_K_M | 5.8 GB | ≈ 6.6 | ●流畅 76–115 tok/s | 125K |
| Q4_0 | 5.4 GB | ≈ 6.2 | ●流畅 82–123 tok/s | 125K |
| IQ4_XS | 5.1 GB | ≈ 5.9 | ●流畅 87–130 tok/s | 125K |
| Q3_K_M质量下降明显 | 4.7 GB | ≈ 5.5 | ●流畅 94–141 tok/s | 125K |
| IQ3_XXS质量下降明显 | 3.7 GB | ≈ 4.5 | ●流畅 118–177 tok/s | 125K |
| Q2_K质量下降明显 | 3.6 GB | ≈ 4.4 | ●流畅 120–180 tok/s | 125K |
| IQ2_XXS质量下降明显 | 2.5 GB | ≈ 3.3 | ●流畅 169–253 tok/s | 125K |
点一行换精度。“官方”是厂商自己发布的文件，大小是实际值；其余按参数量 × 每权重位数估算。
和其他配置比
每个配置各用它能跑的最高精度，点一个看细节。
最低需要（Q4_K_M · 8K）：显卡 GeForce RTX 3080；统一内存 Apple M5 · 16 GB。
运行命令
厂商没有发布这个精度的文件。可选原生精度或厂商自己的版本，或用 llama.cpp 自己量化。
微调需要多少显存
全参≈ 155.9 GB你的配置放不下
LoRA≈ 22.0 GB你的配置放不下
QLoRA≈ 8.2 GB你的配置放得下
batch 1、序列 2048、梯度检查点；LoRA / QLoRA 为注意力投影上的 r=16 适配器。
估算；数据来自厂商的 Hugging Face 仓库，截至 2026-11-06。 怎么估算的
引用评分
来自第三方排行榜，并非我们测得这个模型还没有出现在我们引用的任何排行榜上。
变更
全部变更 →- Z.ai API, 中国站 上线报价 输入 免费 · 输出 免费 · 缓存读取 免费
来源
- Pricing（在新标签页打开） docs.z.ai · 核对于 2026年11月1日
- 智谱 BigModel：API 定价（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月2日
- GLM-4.6V（在新标签页打开） docs.z.ai · 核对于 2026年11月1日
- 智谱 BigModel：模型概览（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月1日
- 智谱 BigModel：GLM-4.6V-Flash（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月1日
- zai-org/GLM-4.6V-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- GLM-4.6V: Open Source Multimodal Models with Native Tool Use（在新标签页打开） z.ai · 核对于 2026年10月30日
- zai-org/GLM-4.6V-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- zai-org/GLM-4.6V-Flash model card（在新标签页打开） huggingface.co · 核对于 2026年10月30日
- zai-org/GLM-4.6V-Flash config.json（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- zai-org/GLM-4.6V-Flash files（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- GLM-4.6V-Flash（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月2日
Zhipu AI · 中国 · z.ai
相关模型
快照、同系列与同厂商的其他模型