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.

Modalités
Prix d’entrée / de sortie
0,43 $US / 1,75 $USpar 1M
Contexte
205K
Publié
30 sept. 2025
Date limite des connaissances
mars 2025

Fournisseurs

Différentes entreprises hébergent le même modèle. OpenRouter achemine votre requête vers l’une d’elles selon le mode de routage que vous choisissez : Équilibré (prix + vitesse), Nitro (le plus rapide) ou Floor (le moins cher).

  • Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés

Tarification

Le prix moyen que les clients paient réellement pour ce modèle, à côté des prix affichés par les fournisseurs. Grâce à la mise en cache et aux remises, le prix réellement payé est souvent bien inférieur au prix affiché.

Moyenne pondérée

Entrée
0,2484 $US/M de jetons
Sortie
2,036 $US/M de jetons
Historique des prix
Aucune donnée de prix effectif pour cette sélection
  • Non utilisé pour le routage Standard :Pourquoi ces points de terminaison ne sont pas utilisés

Performances

Le débit est la vitesse à laquelle le modèle écrit (jetons par seconde — plus il est élevé, mieux c’est). La latence est le temps total d’aller-retour (plus il est faible, mieux c’est). Le TTFT est le délai avant le premier jeton — le temps avant de voir quelque chose apparaître (plus il est faible, mieux c’est).

Débit
39jetons/s

P50, meilleur résultat tous fournisseurs confondus

Latence
0,55s

P50, meilleur fournisseur

Évaluations comparatives 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 %

Disponibilité

La disponibilité correspond au pourcentage des 3 derniers jours pendant lequel au moins un fournisseur répondait aux requêtes. La disponibilité du service correspond au pourcentage de temps pendant lequel l’inférence a été assurée avec succès. OpenRouter surveille en continu les fournisseurs et utilise le meilleur fournisseur suivant lorsque l’un d’eux renvoie une erreur.

Disponibilité (3 j)Le modèle était joignable. Requête acheminée vers un fournisseur.
100,00 %
Disponibilité (3 j)Le modèle a renvoyé un résultat d’inférence, quel que soit le fournisseur. Les erreurs et les réponses vides sont comptabilisées à son détriment.
99,28 %

Disponibilité au cours des 3 derniers jours

72 dernières heures
Disponibilité 99,28 %
Il y a 3 joursIl y a 2 joursHierMaintenant

Disponibilité au cours des dernières 24 heures

OpenRouter Availability
99,36 %
Without Routing
98,80 %

Lorsqu’une erreur survient chez un fournisseur en amont, nous pouvons rétablir le service en routant la requête vers un autre fournisseur opérationnel, si les filtres de votre requête le permettent. Vous pouvez accéder par programmation aux données de disponibilité de chaque fournisseur via l’ API des points de terminaison. Découvrez nos options d’ équilibrage de charge et de routage des fournisseurs.

Évaluations comparatives

Scores aux évaluations standardisées et réponses de ce modèle aux prompts communs des tests de référence. Des pourcentages plus élevés sont meilleurs — et chaque rang indique la position de ce modèle parmi les modèles évalués sur cette source.

Résumé des scores aux tests de performance pour Z.ai: GLM 4.6 (Artificial Analysis, Design Arena et Vals AI)
SourceTest de performanceScore
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%

Applications

Applications publiques qui envoient le plus de trafic à ce modèle. Un bon indicateur des charges de travail réelles en production — et un aperçu des cas d’usage auxquels ce modèle convient le mieux.

1.
Favicon de https://janitorai.com/
Janitor AI
11,4Bjetons
2.
Favicon de https://lorebary.com/
Sophia's LoreBary
3,95Bjetons
3.
Favicon de https://sillytavern.app/
SillyTavern
2,04Bjetons
4.
Favicon de https://nousresearch.com
Hermes Agent
1,52Bjetons
5.
Favicon de https://chub.ai/
Chub AI
1,22Bjetons
Reste d’OpenRouter
710M
Top 5 des applications
264M

Activité

Volume de jetons et trafic des requêtes vers ce modèle au fil du temps.

API

Code prêt à l’emploi pour appeler ce modèle. L’API d’OpenRouter est compatible avec OpenAI — la plupart des SDK fonctionnent en remplaçant simplement l’URL de base. Seul le slug du modèle ci-dessous change d’un modèle à l’autre.

Actuellement indisponible via le routage dans la région UE. Documentation sur le routage intrarégional

Questions fréquentes

Explorer d’autres modèles