Сравнение Model
GLM-4-32B-0414
против
Ring-flash-2.0
28 февр. 2026 г.
Цены
Input
$
0.27
/ M Tokens
$
0.14
/ M Tokens
Output
$
0.27
/ M Tokens
$
0.57
/ M Tokens
Метаданные
Создать на
7 апр. 2025 г.
19 сент. 2025 г.
Лицензия
MIT
MIT LICENSE
Поставщик
Z.ai
inclusionAI
Спецификация
Государство
Available
Available
Архитектура
GLM-4
Mixture-of-Experts (MoE) with 1/32 expert activation ratio and MTP layers, featuring low activation and high sparsity design
Калибровка
Да
Да
Смешение экспертов
Нет
Да
Общее количество параметров
32B
100B
Активированные параметры
32B
6.1B
Мышление
Нет
Нет
Точность
FP8
FP8
Длина контекста
33K
131K
Максимум Tokens
33K
131K
поддерживается функциональность
Безсерверный
поддерживается
поддерживается
Безсерверный LoRA
Не поддерживается
Не поддерживается
Тонкая настройка
Не поддерживается
Не поддерживается
Embeddings
Не поддерживается
Не поддерживается
Rerankers
Не поддерживается
Не поддерживается
Поддержка Image Input
Не поддерживается
Не поддерживается
Режим JSON
поддерживается
Не поддерживается
Структурированные Outputs
Не поддерживается
Не поддерживается
Инструменты
поддерживается
Не поддерживается
Завершение погашения
Не поддерживается
Не поддерживается
Chat Префикс Заполнение
Не поддерживается
поддерживается
GLM-4-32B-0414в сравнении
Смотрите как GLM-4-32B-0414сравнивается с другими популярными моделями по ключевым параметрам.
ВС
GLM-4.6V
ВС
Qwen3-VL-32B-Instruct
ВС
Qwen3-VL-32B-Thinking
ВС
Qwen3-VL-8B-Instruct
ВС
Qwen3-VL-8B-Thinking
ВС
Qwen3-VL-30B-A3B-Instruct
ВС
Qwen3-VL-30B-A3B-Thinking
ВС
Qwen3-Omni-30B-A3B-Instruct
ВС
Ring-flash-2.0
ВС
Ling-flash-2.0
ВС
Qwen3-Omni-30B-A3B-Captioner
ВС
Qwen3-Omni-30B-A3B-Thinking
ВС
Qwen3-Next-80B-A3B-Instruct
ВС
Qwen3-Next-80B-A3B-Thinking
ВС
Ling-mini-2.0
ВС
Hunyuan-MT-7B
ВС
gpt-oss-120b
ВС
gpt-oss-20b
ВС
Qwen3-Coder-30B-A3B-Instruct
ВС
Qwen3-30B-A3B-Thinking-2507
