GLM-4.6V
- 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| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | ¥1.00 | ¥0.20 | ¥3.00 |
| 提示超过 32K tokens | ¥2.00 | ¥0.40 | ¥6.00 |
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| 条件/ 百万 tokens | 输入 | 缓存读取 | 输出 |
|---|---|---|---|
| 标准 | $0.30 | $0.050 | $0.90 |
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
- 知识截止
- 2025年4月
- 许可证
- mit
- 模型家族
- glm
- 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, 别名。
本地运行
权重： zai-org/GLM-4.6V- 参数 107.7B
- 激活 14.3B （估算） · 专家 128（每 token 8）
- 原生精度 BF16
- 层数 46
- 每 token 的 KV 缓存 184 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
○需放到内存 IQ4_XS （自动） 8K 上下文 12–18 tok/s专家放内存
权重KV 缓存运行开销放到内存可用上限
- 需要
- ≈ 57.4 GB (权重 53.3 + KV 缓存 1.4 + 开销 2.7)
- 可用
- 21.6 GB (标称的 90%)
- 放到内存
- 49.3 GB · MoE 专家权重在内存，注意力和共享层在显卡（llama.cpp --cpu-moe）
- 生成速度
- 12–18 tok/s (每 token 读激活的 14.3B)
- 首 token
- 2K 提示约 0.46–0.69 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 | 200.6 GB | ≈ 212.1 | ✕放不下 | — |
| Q8_0 | 106.6 GB | ≈ 113.3 | ✕放不下 | — |
| FP8官方 | 102.4 GB | ≈ 109.0 | ✕放不下 | — |
| Q6_K | 82.4 GB | ≈ 87.9 | ✕放不下 | — |
| Q5_K_M | 71.3 GB | ≈ 76.4 | ○需放到内存 5–8 tok/s | — |
| Q5_0 | 69.0 GB | ≈ 73.9 | ○需放到内存 6–9 tok/s | — |
| Q4_K_M | 60.9 GB | ≈ 65.4 | ○需放到内存 11–16 tok/s | — |
| Q4_0 | 56.4 GB | ≈ 60.7 | ○需放到内存 11–17 tok/s | — |
| IQ4_XS | 53.3 GB | ≈ 57.4 | ○需放到内存 12–18 tok/s | — |
| Q3_K_M质量下降明显 | 49.0 GB | ≈ 52.9 | ○需放到内存 13–20 tok/s | — |
| IQ3_XXS质量下降明显 | 38.4 GB | ≈ 41.7 | ○需放到内存 17–25 tok/s | — |
| Q2_K质量下降明显 | 37.6 GB | ≈ 40.9 | ○需放到内存 17–26 tok/s | — |
| IQ2_XXS质量下降明显 | 25.8 GB | ≈ 28.6 | ○需放到内存 35–53 tok/s | — |
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 NVIDIA H100 SXM；统一内存 Apple M5 Ultra (64-core GPU) · 96 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≈ 1607.7 GB你的配置放不下
LoRA≈ 203.7 GB你的配置放不下
QLoRA≈ 59.5 GB你的配置放不下
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- LMArena Text 1,378
第 114 名，共 163 个上榜模型 · 置信区间 1,367–1,390 · 2,833 票
- LMArena Text · Chinese 1,426
第 103 名，共 161 个上榜模型 · 置信区间 1,391–1,461 · 275 票
- LMArena Text · Coding 1,416
第 120 名，共 163 个上榜模型 · 置信区间 1,391–1,441 · 542 票
- LMArena Text · Creative writing 1,350
第 106 名，共 163 个上榜模型 · 置信区间 1,322–1,379 · 425 票
变更
全部变更 →- Z.ai API 新增 1 项报价 缓存读取 $0.050
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
- 智谱 BigModel：GLM-4.6V（在新标签页打开） docs.bigmodel.cn · 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
- New Released（在新标签页打开） docs.z.ai · 核对于 2026年10月10日
- zai-org/GLM-4.6V model card（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- models.dev: glm-4.6v (community data, MIT)（在新标签页打开） github.com · 核对于 2026年9月30日
- zai-org/GLM-4.6V model card（在新标签页打开） huggingface.co · 核对于 2026年11月5日
- zai-org/GLM-4.6V 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 config.json（在新标签页打开） huggingface.co · 核对于 2026年11月1日
- zai-org/GLM-4.6V files（在新标签页打开） huggingface.co · 核对于 2026年10月31日
- zai-org/GLM-4.6V-FP8 files（在新标签页打开） huggingface.co · 核对于 2026年11月5日
- GLM-4.6V（在新标签页打开） docs.bigmodel.cn · 核对于 2026年11月5日
本页部分数值尚待与官方页面核对：实心圆点已核实，空心圆点尚未核实（无论是否已有来源）。 我们如何核实数据
Zhipu AI · 中国 · z.ai
相关模型
快照、同系列与同厂商的其他模型