معرفی مدل GLM-4.6 از Z.ai

نگاهی به نتایج ارزیابی‌ها

برای سنجش توانایی‌های کلی مدل، GLM-4.6 توی ۸ تا بنچمارک معتبر مثل AIME 25، GPQA، LCB v6، HLE و SWE-Bench Verified ارزیابی شده. نتایج نشون میده که عملکردش توی چندتا از این رده‌بندی‌ها با مدل‌هایی مثل Claude Sonnet 4 و Claude Sonnet 4.6 برابری میکنه و جایگاهش رو به عنوان مدل برتر توسعه‌داده‌شده در چین تثبیت کرده.

توی یک گزارش دیگه، گفته شده که این نسل نسبت به GLM-4.5 پیشرفت‌های مشخصی داشته و با مدل‌های داخلی و بین‌المللی مثل DeepSeek-V3.2-Exp و Claude Sonnet 4 رقابت میکنه، اما هنوز توی توانایی کدنویسی از Claude Sonnet 4.5 عقب‌تره.

برای اینکه توانایی مدل توی کارهای واقعی کدنویسی بهتر سنجیده بشه، ۷۴ تست کدنویسی واقعی توی محیط Claude Code انجام شده. نتایج این تست‌ها نشون میده که GLM-4.6 از Claude Sonnet 4 و بقیه مدل‌های داخلی عملکرد بهتری داشته. از نظر میانگین مصرف توکن، GLM-4.6 بیشتر از ۳۰ درصد بهینه‌تر از GLM-4.6 عمل کرده و کمترین نرخ مصرف رو بین مدل‌های مشابه داشته. Z.ai تمام سوالات تست و مسیرهای عامل‌ها رو برای تایید و بازتولید به صورت عمومی منتشر کرده.

همچنین تست CC-Bench که قبلا برای GLM-4.5 استفاده شده بود، با وظایف سخت‌تری گسترش پیدا کرده. توی این تست‌ها، ارزیاب‌های انسانی با مدل‌ها داخل کانتینرهای داکر ایزوله کار کردن و وظایف چند مرحله‌ای دنیای واقعی رو در زمینه‌های توسعه فرانت‌اند، ساخت ابزار، تحلیل داده، تست و الگوریتم انجام دادن. نتایج نشون میده GLM-4.6 نسبت به GLM-4.5 پیشرفت کرده و تقریبا با Claude Sonnet 4 برابره (با نرخ پیروزی ۴۸.۶ درصد) و به وضوح از بقیه مدل‌های متن‌باز بهتر عمل میکنه. از نظر بهینه‌بودن مصرف توکن، GLM-4.6 کارها رو با حدود ۱۵ درصد توکن کمتر از GLM-4.5 تموم میکنه.

تمام جزییات ارزیابی و داده‌های مربوطه برای تحقیقات بیشتر در آدرس زیر به صورت عمومی در دسترس قرار گرفته:

https://huggingface.co/datasets/zai-org/CC-Bench-trajectories

کاربردهای مدل GLM-4.6

• کدنویسی با هوش مصنوعی
  از زبان‌های برنامه‌نویسی اصلی مثل پایتون، جاوا اسکریپت و جاوا پشتیبانی میکنه و توی کدنویسی فرانت‌اند، زیبایی و چیدمان منطقی بهتری ارائه میده. این مدل به صورت ذاتی میتونه وظایف مختلف عامل‌ها رو با قابلیت‌های برنامه‌ریزی مستقل و فراخوانی ابزار انجام بده و توی تقسیم وظایف، همکاری بین ابزارهای مختلف و تنظیمات پویا عملکرد خوبی داره.
• دفتر کار هوشمند
  کیفیت ارائه‌ها در ساخت پاورپوینت و سناریوهای اتوماسیون اداری رو به طور قابل توجهی بالا میبره. میتونه چیدمان‌های پیشرفته و زیبایی با ساختارهای منطقی واضح تولید کنه و همزمان محتوا و دقت بیان رو حفظ کنه.
• ترجمه و کاربردهای بین‌زبانی
  کیفیت ترجمه برای زبان‌های کم‌کاربردتر (فرانسوی، روسی، ژاپنی، کره‌ای) و متون غیررسمی بهتر شده. این ویژگی باعث میشه برای محتوای شبکه‌های اجتماعی، تجارت الکترونیک و ترجمه سریال‌های کوتاه مناسب باشه.
• تولید محتوا
  از تولید محتوای متنوعی مثل رمان، فیلمنامه و متن‌های تبلیغاتی پشتیبانی میکنه و با گسترش زمینه و تنظیمات احساسی، بیان طبیعی‌تری رو ارائه میده.
• شخصیت‌های مجازی
  میتونه توی مکالمه‌های طولانی، لحن و رفتار ثابتی رو حفظ کنه که برای انسان‌های مجازی، هوش مصنوعی اجتماعی و شخصیت‌بخشی به برندها ایده‌آله و تعاملات رو گرم‌تر و واقعی‌تر میکنه.
• جستجوی هوشمند و تحقیق عمیق
  درک نیت کاربر، بازیابی ابزار و یکپارچه‌سازی نتایج رو بهتر کرده. نه تنها نتایج جستجوی دقیق‌تری برمیگردونه، بلکه میتونه خروجی‌ها رو به صورت عمیق ترکیب کنه تا از سناریوهای تحقیق عمیق پشتیبانی کنه و پاسخ‌های دقیق‌تری به کاربرها بده.

چطوری به GLM-4.6 دسترسی داشته باشیم؟

مدل GLM-4.6 از چند راه مختلف در دسترسه:

• میشه اون رو از طریق پلتفرم API شرکت Z.ai یا از طریق OpenRouter استفاده کرد.
• این مدل توی عامل‌های کدنویسی مثل Claude Code، Kilo Code، Roo Code و Cline هم موجوده.

برای مشترکین GLM Coding Plan:

اشتراک شما به صورت خودکار به GLM-4.6 ارتقا پیدا میکنه. اگه قبلا تنظیمات اپلیکیشن رو شخصی‌سازی کردید (مثلا فایل ~/.claude/settings.json در Claude Code)، کافیه اسم مدل رو به «glm-4.6» تغییر بدید تا ارتقا کامل بشه.

برای کاربران جدید:

بسته GLM Coding Plan عملکردی در سطح Claude رو با کسری از هزینه ارائه میده. قیمتش یک‌هفتم و سهمیه مصرفش ۳ برابر بیشتره. برای شروع میتونید به این آدرس مراجعه کنید:

https://z.ai/subscribe

دسترسی مستقیم و استقرار محلی:

میتونید توی پلتفرم Z.ai مستقیما گزینه مدل GLM-4.6 رو انتخاب کنید. وزن‌های این مدل هم به صورت عمومی در HuggingFace و ModelScope موجوده. برای استقرار محلی، GLM-4.6 از فریمورک‌هایی مثل vLLM و SGLang پشتیبانی میکنه و دستورالعمل‌های کامل برای نصب و راه‌اندازی در مخزن رسمی گیت‌هاب اون موجوده.

برای یادگیری نحوه فراخوانی API، مستندات مربوطه و نمونه کدهای «شروع سریع» برای فراخوانی ساده و فراخوانی جریانی (Streaming) هم ارائه شده.