モデル比較
GLM-4.6V
対
Ring-flash-2.0
2026/02/28
価格
Input
$
0.3
/ M Tokens
$
0.14
/ M Tokens
Output
$
0.9
/ M Tokens
$
0.57
/ M Tokens
メタデータ
仕様
州
Available
Available
建築
Multimodal with Function Calling, Mixture of Experts (MoE)
Mixture-of-Experts (MoE) with 1/32 expert activation ratio and MTP layers, featuring low activation and high sparsity design
キャリブレートされた
はい
はい
専門家の混合
はい
はい
合計パラメータ
106B
100B
アクティブ化されたパラメータ
106B
6.1B
推論
いいえ
いいえ
Precision
FP8
FP8
コンテキスト長
131K
131K
Max Tokens
131K
131K
対応機能
Serverless
対応
対応
Serverless LoRA
サポートされていません
サポートされていません
Fine-tuning
サポートされていません
サポートされていません
Embeddings
サポートされていません
サポートされていません
Rerankers
サポートされていません
サポートされていません
Image入力をサポートする
サポートされていません
サポートされていません
JSON Mode
サポートされていません
サポートされていません
構造化されたOutputs
サポートされていません
サポートされていません
ツール
対応
サポートされていません
Fim Completion
サポートされていません
サポートされていません
Chat Prefix Completion
サポートされていません
対応
GLM-4.6V比較において
見てくださいGLM-4.6V主要な次元において他の人気のあるモデルと比較します。
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
