GLM-4.5V vs GLM-4.5
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
يُعد GLM-4.5V من Zhipu AI وGLM-4.5 من Zhipu AI من أبرز نماذج الذكاء الاصطناعي. يوفر GLM-4.5V نافذة سياق بحجم 65.5K رمز بسعر $0.00/$0.00 لكل مليون رمز، بينما يوفر GLM-4.5 سياقًا بحجم 131.1K رمز بسعر $0.00/$0.00 لكل مليون رمز. نستعرض أدناه مقارنة شاملة للأداء والسرعة والتكلفة.
بدّل وقارن بين أي نموذجين
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
GLM-4.5V
ذكاء اصطناعي متعدد الوسائطنموذج GLM-4.5V من Zhipu AI مصمم خصيصاً لـالفهم الأصلي متعدد الوسائط للنصوص والصور وتحليل المخططات والمستندات، حيث يوفر نافذة سياق بسعة 66K وسرعة 85 رمز/ثانية ومؤشر ذكاء 73/100 (وصول مجاني بأوزان مفتوحة).
$0.00 / 1M
$0.00 / 1M
65.5K tokens
N/A
GLM-4.5
استدلال منطقي مفتوح الأوزاننموذج GLM-4.5 من Zhipu AI مصمم خصيصاً لـالاستدلال بسلسلة الأفكار (CoT) مع أوزان مفتوحة وكفاءة حسابية عالية، حيث يوفر نافذة سياق بسعة 131K وسرعة 75 رمز/ثانية ومؤشر ذكاء 80/100 (وصول مجاني بأوزان مفتوحة).
$0.00 / 1M
$0.00 / 1M
131.1K tokens
42%
أهم الفروقات في لمحة
- Both models cost the same under this workload — choose on capability, not price.
- GLM-4.5 has a larger context window (131K vs 66K tokens).
- GLM-4.5V is faster at 85 tok/s vs 75 tok/s.
| Feature | GLM-4.5V | GLM-4.5 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 73 | 80 |
Provider | Zhipu AI | Zhipu AI |
Input Price Cost per million input tokens | $0.00 / 1M | $0.00 / 1M |
Output Price Cost per million output tokens | $0.00 / 1M | $0.00 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.00 / 1M | $0.00 / 1M |
Context Window Maximum input + output tokens | 65.5K tokens~98 A4 pages of text | 131.1K tokens~197 A4 pages of text |
Max Output Tokens Per single request | 4K | 8K |
Throughput Speed Tokens generated per second | 85 tok/s | 75 tok/s |
SWE-bench Verified Real-world software engineering | N/A | 42% |
GPQA Diamond Graduate-level reasoning | N/A | 61% |
من يتفوق في كل مجال؟
At-a-glance decision frameworkEvaluations ongoing
نتائج الاختبارات المعيارية الموثقة
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Tokens emitted per second during active generation streaming.
زمن الاستجابة والسرعة
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
محاكي تكلفة الرموز التفاعلي
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
GLM-4.5V · Strengths & Key Advantages
- نافذة سياق بسعة 66K وحد أقصى للمخرجات يصل إلى 4K رمز (MMLU-Pro 69.5% · Arena Elo 1245)
- سرعة توليد عالية تبلغ 85 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 480 مللي ثانية
- أوزان مفتوحة (12B VLM) تتيح الاستضافة الذاتية محلياً أو عبر السحابة الخاصة باستخدام vLLM وOllama
Considerations & Trade-offs
- يتطلب خوادم GPU بذاكرة VRAM كافية عند التشغيل المحلي بالدقة الكاملة
- في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل
GLM-4.5 · Strengths & Key Advantages
- نافذة سياق بسعة 131K وحد أقصى للمخرجات يصل إلى 8K رمز (SWE-bench Verified 42% · GPQA Diamond 61%)
- سرعة توليد عالية تبلغ 75 رمز/ثانية مع زمن استجابة لأول رمز (TTFT) قدره 550 مللي ثانية
- أوزان مفتوحة (130B MoE) تتيح الاستضافة الذاتية محلياً أو عبر السحابة الخاصة باستخدام vLLM وOllama
Considerations & Trade-offs
- يتطلب خوادم GPU بذاكرة VRAM كافية عند التشغيل المحلي بالدقة الكاملة
- في المسائل البحثية فائقة التعقيد، قد تتفوق نماذج الاستدلال الثقيلة المتخصصة في عمق التحليل
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | GLM-4.5V | GLM-4.5 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.00 | $0.00 |
Output Tokens / Task Tokens generated per task | 8K | 16K |
Reasoning Tokens / Task Thinking tokens burned per task | 2K | 6K |
المواصفات التقنية
Architecture, release timeline, capabilities, and modalities.
| Feature | GLM-4.5V | GLM-4.5 |
|---|---|---|
| Official API Model ID (SDK) | glm-4-5v | glm-4-5 |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2025-08 | 2025-07 |
| Knowledge Cutoff | June 2025 | May 2025 |
| Architecture | Open Multimodal Vision-Language Transformer | Hybrid Reasoning Mixture-of-Experts Transformer |
| Parameters | 12B VLM | 130B MoE |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Free across full context window (only KV-cache VRAM scales) | Free across full context window (only KV-cache VRAM scales) |
| Prompt Cache Policy & TTL | Automatic prefix KV-caching in vLLM / SGLang (0 cost) | Automatic prefix KV-caching in vLLM / SGLang (0 cost) |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) | Text BPE (~4 chars/token) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 7 GB VRAM (4-bit Quantized) · 26 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 81 GB VRAM (4-bit Quantized) · 280 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text, vision | text |
| Output Modalities | text | text |
GLM-4.5V vs GLM-4.5: إجابات سريعة (FAQ)
Which is more intelligent, GLM-4.5V or GLM-4.5?
GLM-4.5 is more intelligent. It scores 80 compared with 73 on the composite Intelligence Index.
Which model is faster?
GLM-4.5V is faster, generating 85 tokens per second compared with 75 tokens per second.
Which model has lower latency?
GLM-4.5V has lower latency, with a time to first token of 0.48s compared with 0.55s.
Which model has a larger context window?
GLM-4.5 has a larger context window, supporting 131.1K tokens compared with 65.5K tokens.
الحكم النهائي
يتميز كل من GLM-4.5V (مثالي لـالفهم الأصلي متعدد الوسائط للنصوص والصور وتحليل المخططات والمستندات وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) وGLM-4.5 (مثالي لـالاستدلال بسلسلة الأفكار (CoT) مع أوزان مفتوحة وكفاءة حسابية عالية وأنظمة RAG المؤسسية وربط واجهات البرمجة (API) القابلة للتوسع.) بنقاط قوة واضحة؛ حيث يتفوق GLM-4.5 في اختبارات الذكاء والبرمجة، ويقدم GLM-4.5V سرعة توليد أعلى، بينما يُعد GLM-4.5V الخيار الأكثر توفيراً للتشغيل عبر API.
الأسئلة الشائعة (FAQ)
أيهما أفضل للبرمجة والاستدلال، GLM-4.5V أم GLM-4.5؟+
يتصدر GLM-4.5 في مؤشر الذكاء المركب واختبارات البرمجة. يمكنك مراجعة نتائج SWE-bench وGPQA أعلاه لمقارنة دقيقة.
ما الفرق في تكلفة API بين GLM-4.5V وGLM-4.5؟+
يبلغ سعر GLM-4.5V نحو $0.00 / $0.00 لكل مليون رمز (إدخال/إخراج)، بينما يبلغ سعر GLM-4.5 نحو $0.00 / $0.00. ومن حيث التكلفة الإجمالية يُعد GLM-4.5V الأرخص.
أي نموذج يوفر نافذة سياق أكبر وسرعة أعلى؟+
يدعم GLM-4.5V سياقًا بحجم 65.5K رمز مقابل 131.1K رمز لنموذج GLM-4.5، بينما يتفوق GLM-4.5V في سرعة تدفق الرموز.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- GLM-4.5 ضد GLM-4.5-Air: مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
- GLM-4.5 ضد Qwen3-Next 80B-A3B (Thinking): مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
- GLM-4.5V ضد Nemotron Research Reasoning: مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
- Aion-3.0 ضد Aion-Mini: مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
- Aion-3.0 ضد Gemini 3.6 Flash: مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
- Aion-Mini ضد Laguna XS 2.1: مقارنة الاختبارات وأسعار API والسرعة (2026)مقارنة
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
المصادر الرسمية: وثائق API الرسمية من Zhipu AI وZhipu AI وتقييمات الاختبارات القياسية المستقلة (2026).