我們的客服智能體把使用者看到的畫面截圖發給 GLM-4.6V，它就能指出哪個元素出了問題 —— 比我們之前用的視覺模型便宜得多。
GLM 4.6V API 是 Z.ai 的 4.6 代視覺語言模型 —— 它把圖像、視訊影格與文件和文字一併接收，做 OCR、圖表與表格提取以及視覺推理，原生支援工具呼叫與結構化輸出。GLM 4.6V API 相容 OpenAI：把現有 SDK 指向 RouterBase，把 model 設為 glm-4-6v。輸入 $0.255 / 1M tokens、輸出 $0.765 / 1M tokens、快取輸入讀取 $0.0425 / 1M —— 比官方價低 15%，全部透過一個 REST 端點。
Input
GLM-4.6V
Hi! I'm a helpful AI assistant. What can I do for you?
GLM 4.6V API：對話
用 GLM 4.6V API 給你的應用裝上「眼睛」 —— Z.ai 的 4.6 代視覺語言模型讀取圖像、視訊影格、截圖與文件，再以文字或工具呼叫作答。
GLM 4.6V API 是 Z.ai 的 4.6 代視覺語言（多模態）模型 —— 它把圖像、視訊影格、截圖與文件和文字一併接收，做 OCR、圖表與表格提取以及視覺推理，原生支援工具呼叫與結構化輸出。透過 RouterBase 接入，GLM 4.6V API 完全相容 OpenAI：把現有 SDK 指向 RouterBase 的 base URL，把 model 設為 glm-4-6v，第一次 GLM 4.6V API 呼叫即刻生效。
GLM 4.6V API 價格為輸入 $0.255 / 1M tokens、輸出 $0.765 / 1M tokens、快取輸入讀取 $0.0425 / 1M —— 比官方公開價低 15%。一把 RouterBase key 通用 GLM 4.6V API 與 200+ 其他模型 —— 無需 Z.ai 帳號。
團隊選擇 GLM 4.6V API 的六個理由
從逐影格精準的圖像辨識到 85 折定價 —— 團隊為何把 GLM-4.6V 放在多模態功能背後。
看懂圖像、視訊與文件
GLM 4.6V API 在文字之外還接收圖像、多頁文件與視訊影格 —— 在一次多模態呼叫裡完成 OCR、圖表與表格提取以及視覺推理。
文件、圖表與 OCR
把截圖、掃描版 PDF、發票或儀表板交給 GLM 4.6V API，它就能抽出文字、表格與結構 —— 無需另跑一套 OCR 流水線。
原生工具呼叫
GLM 4.6V API 直接依所見、以 OpenAI 工具格式呼叫函式 —— 讓它讀一張表單，再在同一個多模態智能體迴圈裡觸發你的工具。
長上下文視窗
把長篇多圖文件、完整對話歷史以及圖文交錯的回合，全部放入一次 GLM 4.6V API 請求。
相容 OpenAI、一把 key
GLM 4.6V API 使用 OpenAI chat-completions 格式（含圖像）；同一把 RouterBase key 還可路由到 GPT-5.5、Claude、Gemini 及 200+ 其他模型。
比官方低 15%
GLM 4.6V API 比 Z.ai 公開價低 15% —— 輸入 $0.255 / 1M、輸出 $0.765 / 1M、快取 $0.0425 / 1M。圖像輸入按 token 計費，多模態依舊便宜。
快速上手
三步開始使用 GLM 4.6V API
從註冊到第一次回應，5 分鐘以內。
建立 RouterBase API key
註冊並生成一把 key —— 它解鎖 GLM-4.6V 以及 RouterBase 目錄中的所有其他模型。
發送第一條訊息
把任意 OpenAI 相容 SDK 指向 routerbase.com/v1，把 model 設為 glm-4-6v，在文字旁帶上 image_url 部分發送訊息。回應遵循標準 chat-completions 結構，含串流。
檢查用量
每次回應都含完整 token 明細 —— 文字與圖像輸入、輸出以及快取輸入 —— 讓你在 GLM 4.6V API 上逐次呼叫地盯住多模態成本。
按使用量付費
RouterBase 透傳合作方價格，與模型官方公開 API 價格對比。
團隊用 GLM 4.6V API 做什麼
真實生產負載，運行在 RouterBase 200+ 模型目錄之上。
我們一個週末就上線了收據與發票掃描 —— 只把 base URL 換到 GLM 4.6V API，圖像解析就跑通了，沒有 OCR 供應商。
我們的機器人把攝影機影格串流發給 GLM-4.6V，它透過標準工具呼叫返回有依據的動作 —— OpenAI 格式意味著零適配工作。
我們在一把 RouterBase key 之下，把 GLM-4.6V 與更大的視覺模型做對比 —— 在圖表與表格辨識上，它以零頭的價格毫不遜色。
我們的 RAG 現在把掃描合約當作頁面圖像建索引 —— GLM-4.6V 直接讀取，快取輸入價讓長篇參考文件保持便宜。
在一條訊息裡圖文交錯，用 GLM 4.6V API 就是順 —— 我們發一張圖表加一個問題，就能拿回一個有依據的回答。
常見問題
關於 GLM 4.6V API 的常見問題。
GLM 4.6V API 是 RouterBase 對 Z.ai GLM-4.6V 的代理 —— 一款 4.6 代視覺語言模型，接收圖像、視訊影格與文件作為輸入，透過相容 OpenAI 的 REST 介面提供，原生支援工具呼叫與結構化輸出。