GLM 4.6
6486°
Z.ai | 204,800 token context | $0.50/M input, $2.00/M output. 與 GLM-4.5 相比，此版本帶來多項關鍵改進：更長的上下文視窗：從 128K 擴展至 200K 代幣，使模型能處理更複雜的代理任務。卓越的程式碼表現：在程式碼基準測試中得分更高，並在 Claude Code、Cline、Roo Code 及 Kilo Code 等應用中展現更佳實務表現，包括生成視覺精美的前端頁面。先進推理：GLM-4.6 在推理表現上明顯提升，並支援推理過程中使用工具，整體能力更強。更強大的代理：GLM-4.6 在工具使用及基於搜尋的代理方面表現更佳，並能更有效整合於代理框架。精煉寫作：更符合人類風格與可讀性偏好，在角色扮演場景中表現更自然。
本模型的指南
Ollama vs LM Studio (2026)：該用哪個本地 AI 應用程式，以及各自支援的頂級模型
2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型
我到底需要多少 VRAM 才能在本地跑 AI？
什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）
船長筆記
2026-10-13 的筆記
GLM-4.6 是 Z.ai 釋出的開放權重模型，擁有 200,000 代幣上下文視窗，專為程式碼、推理與代理工作流程打造。相較 GLM-4.5，推理時工具使用更強，且在 Cline 與 Roo Code 等真實編碼環境表現更佳。每百萬輸入代幣收費 0.50 美元，價格合理，能與 DeepSeek-V3.1-Terminus 及 Claude Sonnet 4 競爭。
以...聞名
- 20 萬代幣上下文視窗，適合長時間代理任務
- 在前端與 AI 編碼工具中具強大真實世界編碼能力
- 推理過程中支援工具使用，不僅限於呼叫邊界
- 代理框架中改進基於搜尋的代理表現
- 寫作與角色扮演調校自然易讀
注意
- 權重開放，但商業或衍生使用前請確認授權條款。
- 輸出代幣費用是輸入的四倍，長時間代理迴圈成本可能快速累積。
- 未公布模型大小，嘗試本地部署前請先規劃 VRAM。
可嘗試的提示詞
從零開始前端頁面
用純 HTML 和 CSS 建立單頁個人作品集網站。包含固定導覽列、帶有簡短自我介紹的主視覺區、三欄專案格子並具懸停效果，以及聯絡表單。設計需精緻且現代，不使用任何外部框架或函式庫。
多步推理規劃
一家公司有三個倉庫與五條配送路線。每條路線只能由一個倉庫服務。倉庫 A 最多服務兩條路線，B 最多兩條，C 最多一條。路線 1 與 3 必須由同一倉庫服務。路線 5 不能由倉庫 C 服務。請列出所有有效分配方案，並逐步說明推理過程。
工具使用代理設計
設計一個簡易的 Python 代理迴圈，接收使用者問題，判斷是否呼叫網路搜尋工具或直接回答，必要時呼叫工具，最後綜合給出答案。展示工具結構、決策邏輯與一個需搜尋呼叫的範例問題。
比較
- GLM 5.3 FlashX僅限 API 模型1,048,576 代幣上下文 · $0.37/M 輸入，$1.25/M 輸出
- GLM 5V Turbo僅限 API 模型202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
- GLM 5 Turbo僅限 API 模型202,752 代幣上下文 · $1.20/M 輸入，$4.00/M 輸出
- GLM 5.3 Prime僅限 API 模型1,000,000 代幣上下文 · $2.80/M 輸入，$8.80/M 輸出
更多來自 z-ai 的文字模型
常見問題
- 我可以在本地執行 GLM-4.6 嗎？
- 可以，權重已開放並可在 Hugging Face 的 zai-org/GLM-4.6 取得，但請遵守 Z.ai 公布的授權條款。
- GLM-4.6 的費用與上下文長度是多少？
- 透過 Z.ai API，輸入代幣每百萬收費 0.50 美元，輸出代幣每百萬收費 2.00 美元，上下文視窗為 200,000 代幣。
- GLM-4.6 與 GLM-4.5 有何不同？
- 主要改進包括上下文視窗從 128K 擴增至 200K，編碼基準分數提升且前端輸出更佳，推理過程中支援工具使用，代理與搜尋性能增強，以及寫作更貼近人類偏好。
船長評語一款可信賴的開放權重選擇，適合編碼代理與長上下文工作，價格合理，可與封閉源碼競品並駕齊驅。
Hugging Face 上的模型卡
船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #78 Hottest Text / LLM text model
Not this creator?
Get your own badge
這個分數是怎麼累積的
這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。
詞彙表：這裡使用的術語
- 熱度分數
- 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
- 底線
- 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
- 下載等值
- 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
- 對數刻度
- 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
- 喜歡數
- 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
- 採用率
- 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
- 實測與估算
- 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
- 種子節點
- 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
- AI Horde
- 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
- 生成網站
- 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
- OpenRouter 代幣
- 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
- 完整模型（檢查點）
- 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
- LoRA和嵌入
- 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
- 家族與權重
- 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
- 年齡
- 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
- 家族加成
- 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
- 替代分數
- 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
- 全新！(寬限期)
- 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
- 趨勢
- 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
- 典型模型
- 目錄中的中間值：一半模型在該期間成長較快，一半較慢。
GLM 4.6 是 Text / LLM 系列的文字模型,收錄於 ModelTrends.ai——一個唯讀的開源 AI 圖片、影片與文字模型目錄。將它與其他 Text / LLM 模型比較,並查看熱度分數了解趨勢。
依模型系列瀏覽
Text / LLM 模型
434
Anima 模型
528
Chroma 模型
19
Fibo 模型
2
Flux 模型
1,496
Flux 2 / Klein 模型
1,239
Flux 3 模型
3
Moss 模型
3
Iris 模型
1
MiniMax H3 模型
364
Hunyuan 模型
204
Ideogram 模型
20
Krea2 模型
717
Qwen 模型
20
Qwen2 模型
47
Ltx2 模型
153