Favicon de z-ai

Z.ai: GLM 4.5V

GLM-4.5V is a vision-language foundation model for multimodal agent applications. Built on a Mixture-of-Experts (MoE) architecture with 106B parameters and 12B activated parameters, it achieves state-of-the-art results in video understanding, image Q&A, OCR, and document parsing, with strong gains in front-end web coding, grounding, and spatial reasoning. It offers a hybrid inference mode: a "thinking mode" for deep reasoning and a "non-thinking mode" for fast responses. Reasoning behavior can be toggled via the reasoning enabled boolean. Learn more in our docs

Modalidades
Precio de entrada / salida
0,60 US$ / 1,80 US$por 1M
Contexto
66K
Publicado
11 ago 2025
Fecha límite de conocimiento
dic 2024

Proveedores

Distintas empresas alojan el mismo modelo. OpenRouter enruta su solicitud a una de ellas según el modo de enrutamiento que elija: Balanced (precio + velocidad), Nitro (el más rápido) o Floor (el más económico).

Precios

El precio medio que los clientes pagan realmente por este modelo, junto a los precios que publican los proveedores. El uso de caché y los descuentos hacen que el precio realmente pagado a menudo sea muy inferior al publicado.

Media ponderada

Entrada
0,4526 US$/M tokens
Salida
1,799 US$/M tokens
Historial de precios
No hay datos de precios efectivos para esta selección

Rendimiento

La velocidad de generación indica lo rápido que escribe el modelo (tokens por segundo: cuanto mayor, mejor). La latencia es el tiempo total de ida y vuelta (cuanto menor, mejor). TTFT es el tiempo hasta el primer token: cuánto tarda en aparecer algo en pantalla (cuanto menor, mejor).

Rendimiento
30tok/s

P50, el mejor entre los proveedores

Latencia
1,06s

P50, mejor proveedor

Tiempo de actividad

El tiempo de actividad es el porcentaje de los últimos 3 días en que al menos un proveedor respondía a las solicitudes. La disponibilidad es el porcentaje de tiempo en que la inferencia se sirvió correctamente. OpenRouter supervisa continuamente y utiliza el siguiente mejor proveedor cuando uno devuelve un error.

Tiempo de actividad (3 d)El modelo estaba accesible. Solicitud enrutada a un proveedor.
100,00 %
Disponibilidad (3 d)El modelo devolvió una inferencia de cualquier proveedor. Los errores y las respuestas vacías cuentan en su contra.
90,57 %

Disponibilidad durante los últimos 3 días

Últimas 72 horas
Disponibilidad 90,57 %
Hace 3 díasHace 2 díasAyerAhora

Disponibilidad en las últimas 24 horas

OpenRouter Availability
87,47 %
Without Routing
85,18 %

Cuando se produce un error en un proveedor ascendente, podemos recuperarnos enrutando la solicitud a otro proveedor que funcione correctamente, si los filtros de su solicitud lo permiten. Puede acceder mediante programación a los datos de tiempo de actividad de cada proveedor a través de la API de endpoints. Obtenga más información sobre nuestras opciones de equilibrio de carga y enrutamiento de proveedores.

Pruebas de rendimiento

Puntuaciones en evaluaciones estandarizadas y respuestas de este modelo a instrucciones compartidas de las pruebas de referencia. Los porcentajes más altos son mejores, y cada posición indica dónde se sitúa este modelo entre los modelos evaluados en esa fuente.

Resumen de puntuaciones en pruebas de rendimiento de Z.ai: GLM 4.5V (Artificial Analysis)
FuentePrueba de rendimientoPuntuación
Artificial AnalysisGLM-4.5V (Non-reasoning) GPQA Diamond57.3%
Artificial AnalysisGLM-4.5V (Non-reasoning) HLE3.5%
Artificial AnalysisGLM-4.5V (Non-reasoning) IFBench28.6%
Artificial AnalysisGLM-4.5V (Non-reasoning) τ²-Bench Telecom19.6%
Artificial AnalysisGLM-4.5V (Non-reasoning) AA-LCR0.0%
Artificial AnalysisGLM-4.5V (Non-reasoning) CritPt0.0%
Artificial AnalysisGLM-4.5V (Non-reasoning) LiveCodeBench35.2%
Artificial AnalysisGLM-4.5V (Non-reasoning) Terminal-Bench Hard6.8%
Artificial AnalysisGLM-4.5V (Non-reasoning) MMLU-Pro75.1%
Artificial AnalysisGLM-4.5V (Non-reasoning) AIME 202515.3%
Artificial AnalysisGLM-4.5V (Reasoning) GPQA Diamond68.4%
Artificial AnalysisGLM-4.5V (Reasoning) HLE6.3%
Artificial AnalysisGLM-4.5V (Reasoning) IFBench34.2%
Artificial AnalysisGLM-4.5V (Reasoning) τ²-Bench Telecom22.5%
Artificial AnalysisGLM-4.5V (Reasoning) AA-LCR0.0%
Artificial AnalysisGLM-4.5V (Reasoning) CritPt0.0%
Artificial AnalysisGLM-4.5V (Reasoning) LiveCodeBench60.4%
Artificial AnalysisGLM-4.5V (Reasoning) Terminal-Bench Hard5.3%
Artificial AnalysisGLM-4.5V (Reasoning) MMLU-Pro78.8%
Artificial AnalysisGLM-4.5V (Reasoning) AIME 202573.0%

Aplicaciones

Aplicaciones públicas que envían más tráfico a este modelo. Una buena señal de cómo son las cargas de trabajo reales en producción, y una pista sobre los casos de uso para los que este modelo es más adecuado.

1.
Favicon de https://pi.dev/
pi
325Mtókenes
2.
Favicon de https://janitorai.com/
Janitor AI
44,6Mtókenes
3.
Favicon de https://chub.ai/
Chub AI
40,1Mtókenes
4.
Favicon de https://nousresearch.com
Hermes Agent
22Mtókenes
5.
17,8Mtókenes
Resto de OpenRouter
3,44M
Las 5 aplicaciones principales
997K

Actividad

Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.

API

Código listo para usar para llamar a este modelo. La API de OpenRouter es compatible con OpenAI: la mayoría de los SDK funcionan con solo cambiar la URL base. Lo único que cambia entre modelos es el identificador del modelo que aparece a continuación.

Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región

Preguntas frecuentes