Favicon de z-ai

Z.ai: GLM 4.6

Compared with GLM-4.5, this generation brings several key improvements:

Longer context window: The context window has been expanded from 128K to 200K tokens, enabling the model to handle more complex agentic tasks. Superior coding performance: The model achieves higher scores on code benchmarks and demonstrates better real-world performance in applications such as Claude Code、Cline、Roo Code and Kilo Code, including improvements in generating visually polished front-end pages. Advanced reasoning: GLM-4.6 shows a clear improvement in reasoning performance and supports tool use during inference, leading to stronger overall capability. More capable agents: GLM-4.6 exhibits stronger performance in tool using and search-based agents, and integrates more effectively within agent frameworks. Refined writing: Better aligns with human preferences in style and readability, and performs more naturally in role-playing scenarios.

Modalidades
Precio de entrada / salida
0,43 US$ / 1,75 US$por 1M
Contexto
205K
Publicado
30 sept 2025
Fecha límite de conocimiento
mar 2025

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).

  • No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints

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
0,249 US$/M tokens
Salida
2,044 US$/M tokens
Historial de precios
No hay datos de precios efectivos para esta selección
  • No se utiliza en el enrutamiento Standard:Por qué no se usan estos endpoints

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
41tok/s

P50, el mejor entre los proveedores

Latencia
1,32s

P50, mejor proveedor

Pruebas de rendimiento de AutoExacto
GPQA DiamondTAU-BenchNovitaAI84,8 %72,8 %Z.ai85,5 %71,5 %auto-routing80,0 %72,2 %DeepInfra78,3 %69,1 %Venice73,6 %69,0 %

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.
99,27 %

Disponibilidad durante los últimos 3 días

Últimas 72 horas
Disponibilidad 99,27 %
Hace 3 díasHace 2 díasAyerAhora

Disponibilidad en las últimas 24 horas

OpenRouter Availability
99,32 %
Without Routing
98,74 %

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 4.6 (Artificial Analysis, Design Arena y Vals AI)
FuentePrueba de rendimientoPuntuación
Artificial AnalysisGLM-4.6 (Reasoning) Coding Index45,8
Artificial AnalysisGLM-4.6 (Reasoning) GPQA Diamond78.0%
Artificial AnalysisGLM-4.6 (Reasoning) HLE14.5%
Artificial AnalysisGLM-4.6 (Reasoning) IFBench43.4%
Artificial AnalysisGLM-4.6 (Reasoning) τ²-Bench Telecom70.5%
Artificial AnalysisGLM-4.6 (Reasoning) AA-LCR54.0%
Artificial AnalysisGLM-4.6 (Reasoning) τ-Bench Banking13.4%
Artificial AnalysisGLM-4.6 (Reasoning) GDPval-AA13.2%
Artificial AnalysisGLM-4.6 (Reasoning) CritPt1.1%
Artificial AnalysisGLM-4.6 (Reasoning) LiveCodeBench69.5%
Artificial AnalysisGLM-4.6 (Reasoning) Terminal-Bench Hard25.0%
Artificial AnalysisGLM-4.6 (Reasoning) Terminal-Bench 2.149.4%
Artificial AnalysisGLM-4.6 (Reasoning) MMLU-Pro82.9%
Artificial AnalysisGLM-4.6 (Reasoning) AIME 202586.0%
Artificial AnalysisGLM-4.6 (Non-reasoning) GPQA Diamond63.2%
Artificial AnalysisGLM-4.6 (Non-reasoning) HLE5.5%
Artificial AnalysisGLM-4.6 (Non-reasoning) IFBench36.7%
Artificial AnalysisGLM-4.6 (Non-reasoning) τ²-Bench Telecom76.9%
Artificial AnalysisGLM-4.6 (Non-reasoning) AA-LCR26.3%
Artificial AnalysisGLM-4.6 (Non-reasoning) CritPt0.0%
Artificial AnalysisGLM-4.6 (Non-reasoning) LiveCodeBench56.1%
Artificial AnalysisGLM-4.6 (Non-reasoning) Terminal-Bench Hard28.8%
Artificial AnalysisGLM-4.6 (Non-reasoning) MMLU-Pro78.4%
Artificial AnalysisGLM-4.6 (Non-reasoning) AIME 202544.3%
Design ArenaGLM 4.6 Agents Arena Androidnative Elo1073
Design ArenaGLM 4.6 Agents Arena Full Stack Elo1002
Design ArenaGLM 4.6 Agents Arena Godotgamedev Elo1180
Design ArenaGLM 4.6 Agents Arena Mobile Apps Elo1088
Design ArenaGLM 4.6 Models Arena 3D Elo1108
Design ArenaGLM 4.6 Models Arena Code Categories Elo1155
Design ArenaGLM 4.6 Models Arena Data Visualization Elo1157
Design ArenaGLM 4.6 Models Arena Game Development Elo1140
Design ArenaGLM 4.6 Models Arena SVG Elo1097
Design ArenaGLM 4.6 Models Arena UI Component Elo1137
Design ArenaGLM 4.6 Models Arena Website Elo1166
Vals AIGLM 4.6 AIME92.7%
Vals AIGLM 4.6 CorpFin v256.8%
Vals AIGLM 4.6 Finance Agent v1.136.5%
Vals AIGLM 4.6 GPQA Diamond74.5%
Vals AIGLM 4.6 IOI v14.3%
Vals AIGLM 4.6 LiveCodeBench81.0%
Vals AIGLM 4.6 LegalBench79.6%
Vals AIGLM 4.6 MedQA92.2%
Vals AIGLM 4.6 MGSM89.7%
Vals AIGLM 4.6 MMLU Pro82.2%
Vals AIGLM 4.6 TaxEval v266.2%
Vals AIGLM 4.6 Terminal-Bench 2.028.1%
Vals AIGLM 4.6 Vibe Code Bench v1.13.1%

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://janitorai.com/
Janitor AI
11,4Btókenes
2.
Favicon de https://lorebary.com/
Sophia's LoreBary
3,95Btókenes
3.
Favicon de https://sillytavern.app/
SillyTavern
2,04Btókenes
4.
Favicon de https://nousresearch.com
Hermes Agent
1,51Btókenes
5.
Favicon de https://chub.ai/
Chub AI
1,21Btókenes
Resto de OpenRouter
613M
Las 5 aplicaciones principales
220M

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