Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

Zai · pașaport de model

Z.ai: GLM 4.5V

glm-4-5v

Ponderi deschise
Licență MIT
107.7B parametri
65,536 context
Lansat 2025-08-11(curatoriat)

General · LMArena: 1,352#198 din 396
Cea mai bună percentilă: 63.4LiveCodeBench (Artificial Analysis)
Poziția în cohortă: 48.7mediană 52.0

Ce spun datele

Evaluat pe 8 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Neuniform: 37,2 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 63.4 pct pe LiveCodeBench (Artificial Analysis) față de 26.2 pct pe IFBench (Artificial Analysis).

LiveCodeBench (Artificial Analysis)63.4 pct60.4%Verifică →
MMLU-Pro (Artificial Analysis)62.2 pct78.8%Verifică →
Prompturi dificile51.5 pct1,373Verifică →
Programare51.2 pct1,403Verifică →
General50.3 pct1,352Verifică →
Urmarea instrucțiunilor49.5 pct1,338Verifică →
Vision Arena32 pct1,153Verifică →
IFBench (Artificial Analysis)26.2 pct34.2%Verifică →
WebDev ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
GPQA DiamondNeevaluat
AIME (matematică)Neevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
ARC-AGI-2Neevaluat
Humanity's Last ExamNeevaluat
SimpleBenchNeevaluat
LiveBenchNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
Halucinații HHEM (Vectara)Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositoryzai-org/GLM-4.5V

Parametri107.7B

ArhitecturăGlm4vMoeForConditionalGeneration

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "zai-org/GLM-4.5V"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIz-ai/glm-4.5v

Lungime context65,536 tokeni

Ieșire maximă16,384 tokeni

Acceptătext, image

Preț intrare$0.60 per 1M tokeni

Preț intrare din cache$0.11 per 1M tokeni

Preț ieșire$1.80 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningMax tokensPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"z-ai/glm-4.5v","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

glm-4.5v stands at 48.7 (raw mean 48.3) — measured on 8 of 27 axes.
pozițieșablonVerifică →
glm-4.5v stands at 48.7 versus a cohort median of 52 across 145 models released within 180 days — below the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →