Z.ai: GLM 4.5V

GLM 4.5V es un modelo de lenguaje y visión de Z.ai, lanzado el 11 de agosto de 2025. Está construido sobre una arquitectura de Mezcla de Expertos con 106B parámetros totales y 12B parámetros activados, y Z.ai lo describe como un modelo fundacional para aplicaciones de agentes multimodales. Se encuentra en la categoría de texto en api14, que es donde lo encontrarás al explorar modelos.

El modelo acepta texto e imágenes como entrada y devuelve texto. Su ventana de contexto es de 65,536 tokens, y la salida máxima es de 16,384 tokens. El corte de conocimiento es el 31 de diciembre de 2024. Debido a que maneja tanto texto como imágenes, puede trabajar sobre prompts que mezclan instrucciones escritas con material visual, y su soporte de razonamiento significa que puede producir razonamiento intermedio junto con sus respuestas.

Los usos prácticos se derivan de esa combinación. Puedes enviar una captura de pantalla, diagrama, gráfico o foto junto con una pregunta y obtener una respuesta escrita, lo que se adapta a la comprensión de documentos e interfaces, la respuesta a preguntas visuales y tareas de subtitulado o descripción. El soporte de llamada a herramientas lo convierte en candidato para flujos de trabajo estilo agente donde el modelo decide cuándo llamar a una función, y la opción de razonamiento encaja con problemas que se benefician de un análisis paso a paso antes de una respuesta final. Las entradas largas son viables dentro del contexto de 65,536 tokens, por lo que los prompts con múltiples imágenes o texto extenso más imagen son factibles.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "z-ai/glm-4.5v". Los parámetros de solicitud soportados son frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, temperature, tool_choice, tools, top_k y top_p. Si ya usas un cliente estilo OpenAI, lo apuntas a la URL base de api14, estableces el campo model a ese id, y pasas cualquiera de estos parámetros según sea necesario. Usa max_tokens para limitar la longitud de salida, temperature, top_p y top_k para dirigir el muestreo, y el par tools y tool_choice cuando quieras llamada a funciones. Los parámetros reasoning e include_reasoning controlan si se solicita y se devuelve contenido de razonamiento.

Ten en cuenta los límites al elegir. La salida está limitada a 16,384 tokens, y el modelo devuelve solo texto, por lo que no puede generar imágenes. Si tu tarea es puramente texto y no se beneficia de entrada de imágenes o razonamiento, un modelo solo de texto puede ser una opción más simple. Si necesitas generación de imágenes en lugar de comprensión de imágenes, este modelo no es la elección correcta.