Perbandingan Model
GLM-4.6V
vs
Ling-flash-2.0
28 Feb 2026
Harga
Input
$
0.3
/ M Tokens
$
0.14
/ M Tokens
Output
$
0.9
/ M Tokens
$
0.57
/ M Tokens
Metadata
Buat di
7 Des 2025
17 Sep 2025
Lisensi
MIT
MIT LICENSE
Penyedia
Z.ai
inclusionAI
Spesifikasi
Negara
Available
Available
Arsitektur
Multimodal with Function Calling, Mixture of Experts (MoE)
Ling 2.0 MoE architecture
Terkalibrasi
Ya
Tidak
Campuran Ahli
Ya
Ya
Total Parameter
106B
100B
Parameter yang Diaktifkan
106B
6.1B
Penalaran
Tidak
Tidak
Precision
FP8
FP8
Text panjang konteks
131K
131K
Max Tokens
131K
131K
Didukung Keberfungsian
Serverless
didukung
didukung
Serverless LoRA
Tidak didukung
Tidak didukung
Fine-tuning
Tidak didukung
Tidak didukung
Embeddings
Tidak didukung
Tidak didukung
Rerankers
Tidak didukung
Tidak didukung
Dukung Image Input
Tidak didukung
Tidak didukung
JSON Mode
Tidak didukung
didukung
Output Terstruktur
Tidak didukung
Tidak didukung
Alat
didukung
didukung
Fim Completion
Tidak didukung
Tidak didukung
Chat Prefix Completion
Tidak didukung
didukung
GLM-4.6Vdalam Perbandingan
Lihat bagaimana GLM-4.6Vmembandingkan dengan model populer lainnya di berbagai dimensi kunci.
VS
MiniMax-M2.5
VS
GLM-5
VS
Step-3.5-Flash
VS
GLM-4.7
VS
MiniMax-M2.1
VS
MiniMax-M2
VS
Qwen3-VL-32B-Instruct
VS
Qwen3-VL-32B-Thinking
VS
Qwen3-VL-30B-A3B-Instruct
VS
Qwen3-VL-30B-A3B-Thinking
VS
Qwen3-VL-235B-A22B-Instruct
VS
Qwen3-VL-235B-A22B-Thinking
VS
Qwen3-Omni-30B-A3B-Instruct
VS
Ring-flash-2.0
VS
Ling-flash-2.0
VS
Qwen3-Omni-30B-A3B-Captioner
VS
Qwen3-Omni-30B-A3B-Thinking
VS
Qwen3-Next-80B-A3B-Instruct
VS
Qwen3-Next-80B-A3B-Thinking
VS
gpt-oss-120b
