Z.ai: GLM 4.5V

GLM 4.5V ist ein Vision-Language-Modell von Z.ai, veröffentlicht am 11. August 2025. Es basiert auf einer Mixture-of-Experts-Architektur mit insgesamt 106B Parametern und 12B aktivierten Parametern, und Z.ai beschreibt es als ein Grundlagenmodell für multimodale Agenten-Anwendungen. Es befindet sich in der Textkategorie auf api14, wo Sie es beim Durchsuchen der Modelle finden.

Das Modell akzeptiert Text und Bilder als Eingabe und gibt Text zurück. Sein Kontextfenster beträgt 65.536 Token, und die maximale Ausgabe beträgt 16.384 Token. Der Wissensstichtag ist der 31. Dezember 2024. Da es sowohl Text als auch Bilder verarbeitet, kann es mit Prompts arbeiten, die geschriebene Anweisungen mit visuellem Material mischen, und seine Reasoning-Unterstützung bedeutet, dass es neben seinen Antworten auch Zwischenüberlegungen erzeugen kann.

Praktische Anwendungen ergeben sich aus dieser Kombination. Sie können einen Screenshot, ein Diagramm, ein Schaubild oder ein Foto zusammen mit einer Frage senden und eine schriftliche Antwort erhalten, was sich für Dokumenten- und Schnittstellenverständnis, visuelle Fragebeantwortung sowie Beschriftungs- oder Beschreibungsaufgaben eignet. Die Tool-Calling-Unterstützung macht es zu einem Kandidaten für Agenten-artige Workflows, bei denen das Modell entscheidet, wann eine Funktion aufgerufen wird, und die Reasoning-Option passt zu Problemen, die von einer schrittweisen Analyse vor einer endgültigen Antwort profitieren. Lange Eingaben sind innerhalb des Kontexts von 65.536 Token machbar, sodass Multi-Bild- oder lange Text-plus-Bild-Prompts möglich sind.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "z-ai/glm-4.5v" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, temperature, tool_choice, tools, top_k und top_p. Wenn Sie bereits einen Client im OpenAI-Stil verwenden, richten Sie ihn auf die Basis-URL von api14, setzen das Feld model auf diese ID und übergeben bei Bedarf einen dieser Parameter. Verwenden Sie max_tokens, um die Ausgabelänge zu begrenzen, temperature, top_p und top_k, um das Sampling zu steuern, und das Paar tools und tool_choice, wenn Sie Function Calling wünschen. Die Parameter reasoning und include_reasoning steuern, ob Reasoning-Inhalte angefordert und zurückgegeben werden.

Beachten Sie die Grenzen bei der Auswahl. Die Ausgabe ist auf 16.384 Token begrenzt, und das Modell gibt nur Text zurück, sodass es keine Bilder erzeugen kann. Wenn Ihre Aufgabe rein textbasiert ist und nicht von Bildeingabe oder Reasoning profitiert, könnte ein reines Textmodell einfacher passen. Wenn Sie Bildgenerierung statt Bildverständnis benötigen, ist dieses Modell nicht die richtige Wahl.