LLM EU
Menú
Modelos

GLM 4.5V

Z.ai (Zhipu AI)

Solo catálogo Pesos abiertos

Última revisión:

Soberanía y alojamiento

Solo catálogo

Este modelo está catalogado como referencia. Aún no está alojado en LLM EU y ningún endpoint propio lo sirve aquí. Las solicitudes se envían directamente al proveedor, bajo sus propias condiciones.

Resumen

Es un punto de control base sin ajuste de instrucciones. GLM 4.5V es un modelo de visión-lenguaje de pesos abiertos muy grande de Z.ai (Zhipu AI): 107.7B parámetros bajo licencia MIT. Acepta texto e imágenes y responde en texto. La configuración publicada no registra ventana de contexto, por lo que esta ficha no la incluye. El repositorio fue creado en agosto de 2025 y está replicado en Hugging Face. La ficha es solo de catálogo: LLM EU no ejecuta este modelo. El editor lista 2 idiomas, 1 de ellos entre los idiomas en los que publica la Unión Europea.

Especificaciones

Proveedor
Z.ai (Zhipu AI) (CN)
Ventana de contexto
Sin verificar: el proveedor no ha documentado esta afirmación.
Parámetros
107.7B
Modalidades
text, vision
Licencia
mit · licence
Pesos abiertos
yes
Fecha de publicación
10 ago 2025
Tareas
Visión, Razonamiento

Idiomas

Sólido: en

Adecuado: zh

Sólido

  • en

Adecuado

  • zh

Sin verificar: el proveedor no ha documentado esta afirmación. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Cuándo usarlo

Puntos fuertes

  • open weights are published on Hugging Face and can be downloaded without a vendor agreement
  • mit licence, so commercial self-hosting is permitted without a separate agreement
  • the model page lists en

Límites

  • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
  • no evaluation has been run by LLM EU
  • the published configuration records no context window, so the card carries none
  • at 107.7B parameters, self-hosting needs multiple high-memory accelerators
  • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model