LLM EU
Meniu
Modeliai

GLM 4.1V 9B Thinking

Z.ai (Zhipu AI)

Tik kataloge Atvirieji svoriai

Paskutinį kartą peržiūrėta:

Suverenitetas ir talpinimas

Tik kataloge

Šis modelis yra kataloge tik nuorodai. Jis dar nėra talpinamas LLM EU, ir joks pirmosios šalies galinis taškas jo neaptarnauja. Užklausos jam siunčiamos tiesiogiai teikėjui, pagal to teikėjo sąlygas.

Santrauka

Jis priima tekstą ir vaizdus ir atsako tekstu. GLM 4.1V 9B Thinking yra „Z.ai“ (Zhipu AI) paskelbtas atvirųjų svorių modelis su 10,3 mlrd. parametrų pagal MIT licenciją. Paskelbtoje konfigūracijoje nenurodytas konteksto langas, todėl šioje kortelėje jo nėra. Repozitoriumas buvo sukurtas 2025 m. birželio mėn. ir yra atspindėtas Hugging Face. Kontrolinis taškas yra suderintas su instrukcijomis ir turi pokalbių šabloną. Kortelė skirta tik katalogui: LLM EU šio modelio nenaudoja. Leidėjas nurodo 2 kalbas, iš kurių 1 yra tarp kalbų, kuriomis publikuoja Europos Sąjunga.

Specifikacijos

Teikėjas
Z.ai (Zhipu AI) (CN)
Konteksto langas
Nepatvirtinta: teikėjas nepagrindė šio teiginio.
Parametrai
10.3B
Modalumai
text, vision
Licencija
mit · licence
Atvirieji svoriai
yes
Išleidimo data
2025-06-28
Užduotys
Vizija, Mąstymas, Maža kaina

Kalbos

Stipri: en

Pakankama: zh

Stipri

  • en

Pakankama

  • zh

Nepatvirtinta: teikėjas nepagrindė šio teiginio. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

Kada naudoti

Stiprybės

  • 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
  • at 10.3B parameters it fits on a single accelerator
  • the model page lists en
  • instruction-tuned checkpoint with a chat template in the repository

Apribojimai

  • 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 10.3B parameters, self-hosting needs a single accelerator with enough memory for the weights
  • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model