Z.ai: GLM 4.5V

GLM 4.5V adalah model vision-language dari Z.ai, dirilis pada 11 Agustus 2025. Model ini dibangun di atas arsitektur Mixture-of-Experts dengan total 106B parameter dan 12B parameter yang diaktifkan, dan Z.ai menyebutnya sebagai model dasar untuk aplikasi agen multimodal. Model ini berada dalam kategori teks di api14, tempat Anda akan menemukannya saat menjelajahi model.

Model ini menerima teks dan gambar sebagai input dan mengembalikan teks. Jendela konteksnya adalah 65,536 token, dan output maksimumnya adalah 16,384 token. Batas pengetahuan adalah 31 Desember 2024. Karena menangani teks dan gambar sekaligus, model ini dapat bekerja pada prompt yang mencampur instruksi tertulis dengan materi visual, dan dukungan penalarannya berarti model ini dapat menghasilkan penalaran perantara bersama jawabannya.

Penggunaan praktis muncul dari kombinasi tersebut. Anda dapat mengirim tangkapan layar, diagram, grafik, atau foto bersama pertanyaan dan mendapatkan jawaban tertulis, yang cocok untuk pemahaman dokumen dan antarmuka, tanya jawab visual, serta tugas pemberian keterangan atau deskripsi. Dukungan pemanggilan alat membuatnya menjadi kandidat untuk alur kerja bergaya agen di mana model memutuskan kapan harus memanggil fungsi, dan opsi penalaran cocok untuk masalah yang mendapat manfaat dari analisis langkah demi langkah sebelum jawaban akhir. Input panjang dapat dikerjakan dalam konteks 65,536 token, sehingga prompt multi gambar atau teks panjang ditambah gambar dapat dilakukan.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model "z-ai/glm-4.5v". Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, temperature, tool_choice, tools, top_k dan top_p. Jika Anda sudah menggunakan klien bergaya OpenAI, arahkan ke base URL api14, atur bidang model ke id tersebut, dan lewati salah satu parameter ini sesuai kebutuhan. Gunakan max_tokens untuk membatasi panjang output, temperature, top_p dan top_k untuk mengarahkan pengambilan sampel, serta pasangan tools dan tool_choice saat Anda ingin pemanggilan fungsi. Parameter reasoning dan include_reasoning mengontrol apakah konten penalaran diminta dan dikembalikan.

Ingatlah batasannya saat memilih. Output dibatasi pada 16,384 token, dan model hanya mengembalikan teks, sehingga tidak dapat menghasilkan gambar. Jika tugas Anda sepenuhnya teks dan tidak mendapat manfaat dari input gambar atau penalaran, model khusus teks mungkin lebih cocok. Jika Anda memerlukan pembuatan gambar alih-alih pemahaman gambar, model ini bukan pilihan yang tepat.