Z.ai: GLM 4.5V

GLM 4.5V è un modello visione-linguaggio di Z.ai, rilasciato l'11 agosto 2025. È costruito su un'architettura Mixture-of-Experts con 106B parametri totali e 12B parametri attivati, e Z.ai lo descrive come un modello di base per applicazioni di agenti multimodali. Si trova nella categoria testo su api14, dove lo troverai quando sfogli i modelli.

Il modello accetta testo e immagini come input e restituisce testo. La sua finestra di contesto è di 65.536 token, e l'output massimo è di 16.384 token. Il knowledge cutoff è il 31 dicembre 2024. Poiché gestisce sia testo che immagini, può lavorare su prompt che mescolano istruzioni scritte con materiale visivo, e il suo supporto al ragionamento significa che può produrre ragionamenti intermedi insieme alle sue risposte.

Gli usi pratici derivano da questa combinazione. Puoi inviare uno screenshot, un diagramma, un grafico o una foto insieme a una domanda e ottenere una risposta scritta, il che si adatta alla comprensione di documenti e interfacce, al visual question answering e ad attività di didascalia o descrizione. Il supporto al tool calling lo rende un candidato per flussi di lavoro in stile agente in cui il modello decide quando chiamare una funzione, e l'opzione di ragionamento si adatta a problemi che traggono beneficio da un'analisi passo dopo passo prima di una risposta finale. Input lunghi sono gestibili entro il contesto di 65.536 token, quindi prompt con più immagini o testo lungo più immagini sono fattibili.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "z-ai/glm-4.5v". I parametri di richiesta supportati sono frequency_penalty, include_reasoning, max_tokens, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, temperature, tool_choice, tools, top_k e top_p. Se usi già un client in stile OpenAI, lo punti all'URL di base di api14, imposti il campo model su quell'id e passi qualsiasi di questi parametri secondo necessità. Usa max_tokens per limitare la lunghezza dell'output, temperature, top_p e top_k per guidare il campionamento, e la coppia tools e tool_choice quando vuoi il function calling. I parametri reasoning e include_reasoning controllano se il contenuto di ragionamento viene richiesto e restituito.

Tieni presenti i limiti quando scegli. L'output è limitato a 16.384 token, e il modello restituisce solo testo, quindi non può generare immagini. Se il tuo compito è puramente testuale e non trae beneficio dall'input di immagini o dal ragionamento, un modello solo testo potrebbe essere più adatto. Se hai bisogno di generazione di immagini anziché di comprensione delle immagini, questo modello non è la scelta giusta.