Z.ai: GLM 4.6

Z.ai: GLM 4.6 to model generowania tekstu od Z.ai, udostępniony przez dostawcę 30 września 2025. Należy do kategorii tekstowej i jest następcą GLM-4.5. W porównaniu z tą wcześniejszą generacją Z.ai opisuje główną poprawę jako dłuższe okno kontekstu, rozszerzone ze 128K do 200K tokenów, co pozwala modelowi pracować z bardziej złożonymi danymi wejściowymi.

Model przyjmuje tekst jako dane wejściowe i zwraca tekst jako dane wyjściowe, więc jest to prosty model językowy bez obsługi obrazu ani dźwięku. Jego okno kontekstu wynosi 204 800 tokenów, a maksymalna długość danych wyjściowych to 131 072 tokeny. Data odcięcia wiedzy to 31 marca 2025, co oznacza, że wbudowana wiedza modelu kończy się na tej dacie. Ponieważ limit danych wyjściowych jest duży, model może tworzyć długie dokumenty lub rozbudowane rozumowanie w jednej odpowiedzi, zamiast zostać wcześnie przerwany.

Te możliwości wskazują na kilka praktycznych zastosowań. Duże okno kontekstu pasuje do pracy z długimi danymi wejściowymi: analizowania obszernych dokumentów, przeglądania dużych baz kodu, streszczania długich raportów lub prowadzenia rozbudowanych rozmów wieloetapowych, w których wcześniejszy kontekst wciąż ma znaczenie. Duża maksymalna długość danych wyjściowych wspiera zadania wymagające generowania długich form, takie jak tworzenie pełnych dokumentów lub szczegółowych wyjaśnień. Model obsługuje także wywoływanie narzędzi i ustrukturyzowane dane wyjściowe, co czyni go rozsądnym wyborem dla przepływów pracy w stylu agentowym, wywoływania funkcji oraz aplikacji, które potrzebują odpowiedzi w zdefiniowanym schemacie, a nie w formie swobodnego tekstu.

Model wywołujesz przez API zgodne z OpenAI w api14, używając identyfikatora modelu "z-ai/glm-4.6". Ponieważ API jest zgodne z formatem OpenAI, możesz użyć znanego stylu żądania chat completions. Model obsługuje szeroki zestaw parametrów żądania: frequency_penalty, presence_penalty, repetition_penalty, temperature, top_p, top_k, min_p, max_tokens, stop, seed, logit_bias, response_format, structured_outputs, tools, tool_choice oraz reasoning, a także include_reasoning do ujawniania danych wyjściowych rozumowania modelu. Ten zakres daje kontrolę nad zachowaniem próbkowania, determinizmem poprzez seed, długością danych wyjściowych oraz tym, czy model wywołuje narzędzia, czy zwraca ustrukturyzowane dane.

W faktach nie podano żadnych ograniczeń poza wejściem i wyjściem wyłącznie tekstowym oraz datą odcięcia wiedzy. Jeśli Twoje zadanie zależy od danych wejściowych w postaci obrazu lub dźwięku, ten model nie jest właściwym wyborem, ponieważ obsługuje wyłącznie tekst. Jeśli potrzebujesz wiedzy nowszej niż 31 marca 2025, musisz dostarczyć te informacje w prompcie, ponieważ własna wiedza modelu nie wykracza poza tę datę. Dla zadań tekstowych w tych granicach GLM 4.6 oferuje duże okno kontekstu, duży budżet danych wyjściowych oraz zestaw parametrów potrzebny zarówno do zwykłego generowania, jak i przepływów pracy opartych na narzędziach.