GLM-4.6

Veröffentlichung

September 2025

Knowledge Cutoff

Unbekannt

Parameter

355 Mrd.

Modellfamilie

GLM-4.6

MIT

Zum Modell

GLM-4.6 Modell-Übersicht

GLM-4.6 ist das neueste Flaggschiff-Modell von Zhipu AI (Z.ai), das am 30. September 2025 veröffentlicht wurde. GLM-4.6 ist ein Open-Weights-Modell, das sich vor allem für den Coding-Einsatz eignet. Insgesamt verfügt das Modell über 355B Parameter mit einer MoE-Architektur, bei der für jedes Token 32B der Parameter aktiviert werden. In Benchmarks zieht GLM-4.6 mit proprietären Modellen wie Claude Sonnet 4 gleich, bei deutlich reduzierten Kosten. Dazu wurde GLM-4.6 auf effizienteren Token-Output optimiert und generiert bei besseren Ergebnissen ca. 15% weniger Tokens, als das Vorgängermodell GLM-4.5.

Playground API Referenz Blog Hugging Face

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

Max. Input

200k Token

Max. Output

128k Token

Trainingsdaten

Unbekannt

Parameter

355 Mrd.

Input Preis

$0.60

Output Preis

$2.00

Vokabular

Unbekannt

Dateigröße

664,57 GB

GLM-4.6 Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

GLM-4.6 Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Logik & Schlussfolgerung (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Programmierung (min 0 / max 100)	Agentisch (min 0 / max 100)
Z.ai GLM-4.6	55.550000000000004	81	75.4	75.9

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	100 %
GPT-5	99,6 %
Grok-4	98,8 %
GPT-5 Pro	96,7 %
GLM-4.6	93,9 %
OpenAI o4-mini	92,7 %
Qwen3 235B A22B Thinking 2507	92,3 %

Vergleich von LLMs im Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	88,9 %
Grok-4	87,5 %
Qwen3 235B A22B Thinking 2507	81,1 %
GLM-4.6	81 %
GLM-4.5	79,1 %
GLM-4.5 Air	75 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	44,4 %
Grok-4	38,6 %
GPT-5	35,2 %
OpenAI o4-mini	17,7 %
DeepSeek-R1-0528	17,7 %
GLM-4.6	17,2 %
GPT-5 mini	16,7 %
GLM-4.5	14,4 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GLM-4.6	82,8 %
Grok-4 Heavy	79,4 %
Grok-4	79,3 %
Gemini 2.5 Pro	74,2 %
Qwen3 235B A22B Thinking 2507	74,1 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Sonnet 4.5	77,2 %
GPT-5 Pro	74,9 %
GPT-5	74,9 %
OpenAI o3	69,1 %
OpenAI o4-mini	68,1 %
GLM-4.6	68 %
Kimi K2	65,8 %
Claude Sonnet 4	64,93 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Sonnet 4.5	84,7 %
GPT-5	80,1 %
GLM-4.6	75,9 %
GPT-5 mini	70,8 %
Kimi K2 (0905)	66,1 %

Vergleich von LLMs im Benchmark Tau2-Bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Mixture-of-Experts
Input Kontextlänge	200k
Output Kontextlänge	128k
Tokenizer	GLM Tokenizer

Besonderheiten

Thinking Mode	Hybrider Thinking-Modus
Open Source (MIT-Lizenz)	Kommerzielle Nutzung möglich
GLM Coding Plan	Claude-Level-Performance für $3/Monat
Veröffentlichte Test-Trajectories	Alle 74 CC-Bench-Evaluationen mit vollständigen Logs öffentlich auf Hugging Face

Vorteile & Nachteile

Vorteile

Herausragende Preis-Leistung
GLM-4.6 ist ca. 90% günstiger als Claude Sonnet 4.5 bei nahezu gleicher Performance.
Open Source
Die MIT-Lizenz ermöglicht kommerzielle Nutzung und freies Finetuning. Außerdem stehen Quantisierte Versionen von GLM-4.6 zur Verfügung.
Exzellente Coding-Performance
GLM-4.6 erreicht Platz #1 auf LiveCodeBench v6 (82,8%) und überzeugt auch in realen Coding-Umgebungen mit produktionsreifen Ergebnissen.
Effizienter Output
GLM-4.6 komprimiert Inhalte im Output und verbraucht dadurch 15% weniger Tokens als das Vorgängermodell GLM-4.5 bei gleichen Aufgaben.

Nachteile

Keine Multimodalität
GLM-4.6 ist kein multimodales Modell und kann nur Text-Inputs verarbeiten.
Schwächen bei akademischem Reasoning
GLM-4.6 scheint hauptsächlich auf den Coding-Einsatz optimiert zu sein. Im GPQA Benchmark, der z.B. Wissen in Naturwissenschaften testet, erreicht es bei Veröffentlichung nur Platz #15.
Hohe Hardware-Anforderungen
GLM-4.6 ist ein großes Sprachmodell. Lokales Deployment ist fast unmöglich / nur mit sehr langsamen Token-Throughput möglich.

Vergleiche GLM-4.6 mit anderen LLMs

Vergleiche GLM-4.6 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %
xAI	Grok 4	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,3 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$1.25	$10.00	74,2 %
Alibaba	Qwen3	Apache 2.0	235 Mrd.	262,14k	81,92k	$0.13	$0.60	74,1 %
DeepSeek AI	Deepseek-R1	MIT	671 Mrd.	163,84k	163,84k	$0.50	$2.15	73,3 %
Z.ai	GLM-4.5	MIT	355 Mrd.	131,07k	131,07k	$0.60	$2.20	72,9 %
Z.ai	GLM-4.5 Air	MIT	106 Mrd.	131,07k	131,07k	$0.20	$1.10	70,7 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.30	$2.50	59,3 %
Anthropic	Claude Sonnet 4	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	55,9 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst Z.ai GLM-4.6 über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.