> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# GLM-4.6V - опенсорс мультимодалка с function calling
- URL: https://matveev.tech/glm-4-6v-opiensors-multimodalka-s-function-calling/
- Published: 2025-12-09T00:00:00.000Z
- Updated: 2026-01-22T22:07:08.000Z
- Author: Pavel Matveev
- Tags: AI, Open Source, Разработка, Обзор

> **TL;DR:** Zhipu AI выкатили GLM-4.6V - опенсорсную мультимодальную модель с 128K контекстом. Умеет понимать картинки и видео, а главное - нативно вызывать функции. При регистрации дают 20 миллионов бесплатных токенов.

А вот это интересно. Китайцы из Zhipu AI (это те, кто делают ChatGLM) выпустили новую визуальную модель, и она реально крутая.

## Что это

GLM-4.6V - это мультимодальная модель, которая понимает текст, изображения и видео. Но самое-самое - она умеет нативно вызывать функции (function calling), что делает её пригодной для агентских сценариев.

Основные характеристики:

- 128K контекстное окно
- Понимание изображений, видео и документов
- Native function calling из коробки
- Open-source (можно скачать и запустить локально)
- SOTA среди опенсорс моделей в своём классе

## Как работает

Модель заточена под агентские workflow. Ты можешь скормить ей скриншот интерфейса, и она поймёт что там происходит. Или дать задачу типа "найди информацию в интернете" - и она сама вызовет нужные функции.

Что умеет:

- Анализ изображений и скриншотов
- Понимание видео
- OCR и парсинг документов
- Веб-поиск через tool use
- Написание и анализ кода

## Тарифы

Zhipu дают щедрый бесплатный тир:

- **20 миллионов токенов** при регистрации
- Ещё до 200M токенов через реферальную программу

Платные тарифы (для визуальных моделей):

- Input до 32K: ¥2 / 1M токенов (\~$0.27)
- Output: ¥6 / 1M токенов (\~$0.82)
- Input 32-64K: ¥4 / 1M токенов

Есть бесплатная модель **GLM-4.5-Flash** для тех, кому нужно экономить.

А ещё у них есть **GLM Coding Plan от $3/месяц** \- это подписка для интеграции с Claude Code, Cline и другими инструментами для кодинга.

## Для кого

Думаю, GLM-4.6V пригодится:

- Разработчикам AI-агентов, которым нужен визуальный ввод
- Тем, кто строит автоматизации с анализом скриншотов
- Командам, которые хотят опенсорс альтернативу GPT-4V
- Тем, кто работает с документами и нужен OCR + понимание контекста

Если тебе нужна мультимодальная модель с function calling и ты не хочешь платить OpenAI - это отличный вариант.

Попробовать можно тут: [bigmodel.cn](https://bigmodel.cn/?ref=matveev.tech)

## Что ещё почитать

- [TranslateGemma — Google открыл модели перевода на 55 языков](https://matveev.tech/translategemma-google-perevod/) — опенсорсные модели перевода на базе Gemma 3, 55 языков, работает на смартфоне
- [DeepSeek Engram — память для LLM](https://matveev.tech/deepseek-engram-pamyat-llm/) — ещё один интересный опенсорс подход к улучшению моделей
- [Devstral 2 — опенсорсная модель от Mistral](https://matveev.tech/devstral-2-opiensorsnaia-modiel-dlia-kodingha-ot-mistral-2/) — сильный опенсорс игрок для кодинга