> ## Documentation Index > Fetch the complete documentation index at: https://docs.bigmodel.cn/llms.txt > Use this file to discover all available pages before exploring further. # GLM-4.6V-Flash ## 概览 GLM-4.6V-Flash 是 GLM-4.6V 的免费版本，是 GLM 系列在多模态方向上的一次重要迭代，支持开启或关闭思考模式。它将训练时上下文窗口提升到128k tokens，在视觉理解精度上达到同参数规模 SOTA，并首次在模型架构中将 Function Call（工具调用）能力原生融入视觉模型，打通从「视觉感知」到「可执行行动（Action）」的链路，为真实业务场景中的多模态 Agent 提供统一的技术底座。 }> 视频、图像、文本、文件 }> 文本 }> 128K ## 能力支持 }> 支持开启或关闭思考模式，可灵活开关深层推理分析 }> 强大的视觉理解能力，支持图片，视频，文件 }> 支持实时流式响应，提升用户交互体验 }> 强大的工具调用能力，支持多种外部工具集成 }> 智能缓存机制，优化长对话性能 ## 推荐场景 **图片OCR信息提取、图片内容理解与其相关属性提取** | **典型场景** | **功能项** | **能力描述** | | :--------------------------------------- | :------------------------ | :-------------------------------------------------------------------------------------- | | 发票、证件、手写表单录入 | **通用OCR识别** | 支持印刷体、手写体、楷体、艺术字等 | | 工程造价清单、海关报关单、财务报表 | **复杂表格解析** | 多层表头、合并单元格、跨页表格智能识别 | | 手机随手拍、现场拍摄单据 | **抗干扰识别** | 应对透视变形、模糊、光照不均、复杂背景、折痕、污渍等干扰场景 | | 商品价格采集、洗衣工厂分拣、货架陈列检测 | **商品属性识别** | 自动识别品牌、类目、材质、颜色、款式等多维属性 | | 社交平台内容打标、优质内容筛选、广告素材分析 | **图像内容分析** | 识别图片中的场景类型、人物行为、氛围情绪、拍摄角度等高阶语义 | | 手机屏幕质检、商品质控、工业检测 | **瑕疵缺陷检测** | 检测污渍、破损、变形、色差、划痕等质量问题 | | AIGC社区辅助用户生成相似风格图片、设计素材库的风格化标签提取、创意灵感库构建 | **图片反推提示词(Image2Prompt)** | 深度理解画面内容、风格、构图、光影，反向生成高质量的AI绘画提示词，便于复用或二次创作 | | 养殖企业、工程施工现场 | **物体检测与计数** | 精准识别并定位图片或视频画面中的一个或多个特定目标物体，返回每个目标的位置坐标、尺寸和类别，并支持对指定类别物体进行高精度计数，尤其适用于目标密集、遮挡、尺寸多变的复杂场景。 | **多模态时序融合、动态内容分析** | **典型场景** | **功能项** | **能力描述** | | :----------------------------- | :------------ | :-------------------------------------------------------------- | | 短视频平台内容分发、优质内容筛选、视频审核、广告植入检测 | **视频内容标签** | 自动识别视频主题、风格、情绪、内容类型，支持多标签输出 | | 视频摘要生成、封面推荐、精彩集锦制作 | **关键帧提取** | 智能识别视频中的精彩片段、转场点、关键信息帧 | | 长视频导航、精彩片段索引、会议记录、教学视频章节划分 | **事件时间轴构建** | 自动生成视频内容的时间轴与章节划分，提取关键事件节点 | | 视频二创、剪辑辅助、广告脚本提取、影视制作参考、新人创作指导 | **智能分镜与脚本生成** | 自动将视频切分为有意义的镜头段落，识别镜头类型（特写/全景/运动镜头等），分析叙事结构，生成分镜脚本和拍摄建议 | | 短视频创作指导、MCN机构选题策划、平台内容运营、创作者培训 | **爆款视频热点拆解** | 深度分析爆款视频的成功要素，拆解出"黄金 3 秒钩子"、"情绪起伏曲线"、"爆点时刻"等创作密码，输出可复用的创作模板内容洞察 | | 门店合规监控、工业生产合规性监测 | **视频巡检** | 对实时视频流或录像文件进行 7x24 小时自动化监测，精准识别特定事件、违规行为、目标状态等，支持自定义检测规则与多场景适配 | | 视频搜索、内容审核、教学辅助 | **视频问答** | 基于视频内容进行自然语言问答，精准定位答案所在时间段 | **进行复杂版式理解、多格式适配、智能问答、跨页逻辑重建** | **典型场景** | **优势功能** | **能力描述** | | :--------------------------------------------------------- | :---------- | :-------------------------------------------------------- | | 合同扫描件、公章盖章文件、历史档案、现场拍摄文件 | **抗干扰识别** | 穿透红章、斜水印、背景噪声、褶皱污渍等干扰项，稳定识别手写体、楷体、艺术字等多种字体 | | - 多栏排版、页眉页脚、目录索引自动识别
- 复杂学术论文解析
- 杂志期刊内容提取 | **版式还原与重构** | 深度理解原文档排版逻辑，保留段落层级、字体样式、对齐方式等格式信息，输出结构化JSON/Markdown/HTML | | 长篇合同、多页报表、连续性条款解析 | **跨页逻辑理解** | 自动识别跨页表格、段落续接、章节延续等跨页元素,重建完整逻辑结构 | | "报表中 XX 项目的利润率是多少""今年营收的同比增长率是多少" | **文档智能问答** | 对文档(含复杂的图表、公式数据)进行深度理解，支持自然语言提问并精准定位答案来源 | | - 合同版本比对
- 财报年度分析
- 政策文件变更追踪 | **多文档关联分析** | 跨文档提取信息并进行关联比对，发现一致性、矛盾点、演变趋势 | ## 使用资源快速测试模型在业务场景上的效果 API 调用方式 **MCP 工具**： * [万物识别 MCP](https://bigmodel.cn/marketplace/detail/052df9a6e824)：能够对图片中的地点与人物信息进行快速识别与分析。支持整图识别和对图片局部区域进行精准识别
* [图像搜索 MCP](https://bigmodel.cn/marketplace/detail/d7e84d0318b0)：能够快速返回图片及网页相关信息，支持文本搜索、图片搜索、反向图片搜索及区域搜索等多种检索方式
* [图像处理 MCP](https://bigmodel.cn/marketplace/detail/25a98db16370)：提供便捷、高效的图像处理（如裁剪、获取Url、画框等）能力 ## 详细介绍传统工具调用大多基于纯文本，在面对图像、视频、复杂文档等多模态内容时，需要多次中间转换，带来信息损失和工程复杂度。 GLM-4.6V 从设计之初就围绕「图像即参数，结果即上下文」，构建了原生多模态工具调用能力： * 输入多模态：图像、截图、文档页面等可以直接作为工具参数，无需先转为文字描述再解析，减少链路损耗。 * 输出多模态：对于工具返回的统计图表、渲染后网页截图、检索到的商品图片等结果，模型能够再次进行视觉理解，将其纳入后续推理链路。模型原生支持基于视觉输入的工具调用，完整打通从感知到理解到执行的闭环。这使得 GLM-4.6V 能够应对图文混排输出、商品识别与好价推荐、以及辅助型 Agent 场景等更复杂的视觉任务。在内容创作与知识分发场景中，GLM-4.6V 可以从多模态输入中，自动构建高质量图文输出：无论是直接输入图文混杂的论文、研报、PPT，还是只给出一个主题，模型都能生成结构清晰、图文并茂的社交媒体内容。 * 复杂图文理解：接收包含文本、图表、公式的文档，准确抽取结构化关键信息。 * 多模态工具调用：在生成内容过程中，自动调用检索/搜索类工具，为每一段落寻找候选图片，或从原文中截取关键配图。 * 图文混排输出与质量控制：对候选图片进行「视觉审核」，评估其与文字内容的相关性与质量，自动过滤无关或低质图片，输出可直接用于公众号、社交媒体或知识库的结构化图文结果。这一流程中，多模态理解、工具调用与质量控制均由 GLM-4.6V 模型独立在同一推理链路内完成。

在电商购物场景中，GLM-4.6V 模型可以独立完成从「看图」、「比价」、「生成导购清单」的完整链路。 * **意图识别与任务规划：** 用户上传一张街拍图并发出「搜同款」等指令时，模型识别出购物意图，并自主规划调用 `image_search` 等相关工具。 * **异构数据清洗与对齐：** 在京东、唯品会、拼多多等平台返回的多模态、非结构化结果基础上，模型自动完成信息清洗、字段归一化与结果对齐，过滤噪声和重复项。 * **多模态导购结果生成：** 最终生成一张标准化 Markdown 导购表格，包含平台与店铺来源、价格、商品缩略图、匹配度与差异说明，以及可直接跳转的购买链接。

我们重点优化了 GLM-4.6V 在前端复刻与多轮视觉交互修改方面的能力，帮助开发者缩短「设计稿到可运行页面」的链路： * **像素级前端复刻：** 上传网页截图或设计稿后，模型可精准识别布局、组件与配色，生成高质量 HTML / CSS / JS 代码，实现接近像素级的页面还原。 * **视觉交互调试：** 支持基于截图的多轮视觉交互。用户可以在生成的网页截图上圈选区域并发出自然语言指令（如「把这个按钮向左移一点，颜色改成深蓝」），模型自动定位并修正对应代码片段。通过 GLM Coding Plan 的视觉 MCP 协议，这一能力可以集成进现有 IDE、设计工具或内部工程平台，大幅提升前端迭代效率。

GLM-4.6V 将视觉编码器与语言模型的上下文对齐能力提升至 128k，模型拥有了“过目不忘”的长记忆力。在实际应用中，128k 上下文约等于 150 页的复杂文档、200 页 PPT 或一小时视频，能够在单次推理中处理多个长文档或长视频。在下列案例中，用户一次输入 4 家上市公司的财报，GLM-4.6V 可以跨文档统一抽取核心指标，并理解报表与图表中的隐性信号，自动汇总成一张对比分析表，在长窗口条件下依然保持关键信息不丢失。

GLM-4.6V 在 MMBench、MathVista、OCRBench 等 30+ 主流多模态评测基准上进行了验证，较上一代模型取得显著提升。在同等参数规模下，模型在多模态交互、逻辑推理和长上下文等关键能力上取得 SOTA 表现。其中 9B 版本的 GLM-4.6V-Flash 整体表现超过 Qwen3-VL-8B，106B 参数 12B 激活的 GLM-4.6V 表现比肩 2 倍参数量的 Qwen3-VL-235B。 ![Description](https://cdn.bigmodel.cn/markdown/1765165989046glm-4.6v-1.jpeg?attname=glm-4.6v-1.jpeg) ## 调用示例 ### 基础与流式 **基础调用** ```bash theme={null} curl -X POST \ https://open.bigmodel.cn/api/paas/v4/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-4.6v-flash", "messages": [ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG" } }, { "type": "text", "text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format" } ] } ], "thinking": { "type": "enabled" } }' ``` **流式调用** ```bash theme={null} curl -X POST \ https://open.bigmodel.cn/api/paas/v4/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-4.6v-flash", "messages": [ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG" } }, { "type": "text", "text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format" } ] } ], "thinking": { "type": "enabled" }, "stream": true }' ``` **安装 SDK** ```bash theme={null} # 安装最新版本 pip install zai-sdk # 或指定版本 pip install zai-sdk==0.2.3 ``` **验证安装** ```python theme={null} import zai print(zai.__version__) ``` **基础调用** ```python theme={null} from zai import ZhipuAiClient client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的 APIKey response = client.chat.completions.create( model="glm-4.6v-flash", # 填写需要调用的模型名称 messages=[ { "content": [ { "type": "image_url", "image_url": { "url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG" } }, { "type": "text", "text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format" } ], "role": "user" } ], thinking={ "type": "enabled" } ) print(response.choices[0].message) ``` **流式调用** ```python theme={null} from zai import ZhipuAiClient client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", # 填写需要调用的模型名称 messages=[ { "content": [ { "type": "image_url", "image_url": { "url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG" } }, { "type": "text", "text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format" } ], "role": "user" } ], thinking={ "type": "enabled" }, stream=True ) for chunk in response: if chunk.choices[0].delta.reasoning_content: print(chunk.choices[0].delta.reasoning_content, end='', flush=True) if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end='', flush=True) ``` **安装 SDK** **Maven** ```xml theme={null} ai.z.openapi zai-sdk 0.3.5 ``` **Gradle (Groovy)** ```groovy theme={null} implementation 'ai.z.openapi:zai-sdk:0.3.5' ``` **基础调用** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import ai.z.openapi.core.Constants; import java.util.Arrays; public class GLM46VExample { public static void main(String[] args) { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("text") .text("描述下这张图片") .build(), MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url("https://aigc-files.bigmodel.cn/api/cogview/20250723213827da171a419b9b4906_0.png") .build()) .build())) .build())) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage(); System.out.println(reply); } else { System.err.println("错误: " + response.getMsg()); } } } ``` **流式调用** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import ai.z.openapi.core.Constants; import java.util.Arrays; public class GLM46VStreamExample { public static void main(String[] args) { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("text") .text("Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format") .build(), MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url("https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG") .build()) .build())) .build())) .stream(true) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { response.getFlowable().subscribe( // Process streaming message data data -> { if (data.getChoices() != null && !data.getChoices().isEmpty()) { Delta delta = data.getChoices().get(0).getDelta(); System.out.print(delta + "\n"); } }, // Process streaming response error error -> System.err.println("\nStream error: " + error.getMessage()), // Process streaming response completion event () -> System.out.println("\nStreaming response completed") ); } else { System.err.println("Error: " + response.getMsg()); } } } ``` **更新 SDK 至 2.1.5.20250726** ```bash theme={null} # 安装最新版本 pip install zhipuai # 或指定版本 pip install zhipuai==2.1.5.20250726 ``` **基础调用** ```Python theme={null} from zhipuai import ZhipuAI client = ZhipuAI(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", # 填写需要调用的模型名称 messages=[ { "role": "user", "content": [ { "type": "text", "text": "请帮我解决这个题目，给出详细过程和答案" }, { "type": "image_url", "image_url": { "url": "传入图片的 url 地址" } } ] } ] ) print(response.choices[0].message) ``` **流式调用** ```python theme={null} from zhipuai import ZhipuAI client = ZhipuAI(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", # 填写需要调用的模型名称 messages=[ { "content": [ { "type": "image_url", "image_url": { "url": "https://cloudcovert-1305175928.cos.ap-guangzhou.myqcloud.com/%E5%9B%BE%E7%89%87grounding.PNG" } }, { "type": "text", "text": "Where is the second bottle of beer from the right on the table? Provide coordinates in [[xmin,ymin,xmax,ymax]] format" } ], "role": "user" } ], thinking={ "type": "enabled" }, stream=True ) for chunk in response: if chunk.choices[0].delta.reasoning_content: print(chunk.choices[0].delta.reasoning_content, end='', flush=True) if chunk.choices[0].delta.content: print(chunk.choices[0].delta.content, end='', flush=True) ``` ### 多模态理解 > 不支持同时理解文件、视频和图像。 **图片理解** ```bash theme={null} curl -X POST \ https://open.bigmodel.cn/api/paas/v4/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-4.6v-flash", "messages": [ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://cdn.bigmodel.cn/static/logo/register.png" } }, { "type": "image_url", "image_url": { "url": "https://cdn.bigmodel.cn/static/logo/api-key.png" } }, { "type": "text", "text": "What are the pics talk about?" } ] } ], "thinking": { "type": "enabled" } }' ``` **视频理解** ```bash theme={null} curl -X POST \ https://open.bigmodel.cn/api/paas/v4/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-4.6v-flash", "messages": [ { "role": "user", "content": [ { "type": "video_url", "video_url": { "url": "https://cdn.bigmodel.cn/agent-demos/lark/113123.mov" } }, { "type": "text", "text": "What are the video show about?" } ] } ], "thinking": { "type": "enabled" } }' ``` **文件理解** ```bash theme={null} curl -X POST \ https://open.bigmodel.cn/api/paas/v4/chat/completions \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "glm-4.6v-flash", "messages": [ { "role": "user", "content": [ { "type": "file_url", "file_url": { "url": "https://cdn.bigmodel.cn/static/demo/demo2.txt" } }, { "type": "file_url", "file_url": { "url": "https://cdn.bigmodel.cn/static/demo/demo1.pdf" } }, { "type": "text", "text": "What are the files show about?" } ] } ], "thinking": { "type": "enabled" } }' ``` **安装 SDK** ```bash theme={null} # 安装最新版本 pip install zai-sdk # 或指定版本 pip install zai-sdk==0.2.3 ``` **验证安装** ```python theme={null} import zai print(zai.__version__) ``` **图片理解** ```python theme={null} from zai import ZhipuAiClient client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", messages=[ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": "https://cdn.bigmodel.cn/static/logo/register.png" } }, { "type": "image_url", "image_url": { "url": "https://cdn.bigmodel.cn/static/logo/api-key.png" } }, { "type": "text", "text": "What are the pics talk about?" } ] } ], thinking={ "type": "enabled" } ) print(response.choices[0].message) ``` **传入 Base64 图片** ```python theme={null} from zai import ZhipuAiClient import base64 client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的APIKey img_path = "your/path/xxx.png" with open(img_path, "rb") as img_file: img_base = base64.b64encode(img_file.read()).decode("utf-8") response = client.chat.completions.create( model="glm-4.6v-flash", messages=[ { "role": "user", "content": [ { "type": "image_url", "image_url": { "url": img_base } }, { "type": "text", "text": "请描述这个图片" } ] } ], thinking={ "type": "enabled" } ) print(response.choices[0].message) ``` **视频理解** ```python theme={null} from zai import ZhipuAiClient client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", messages=[ { "role": "user", "content": [ { "type": "video_url", "video_url": { "url": "https://cdn.bigmodel.cn/agent-demos/lark/113123.mov" } }, { "type": "text", "text": "What are the video show about?" } ] } ], thinking={ "type": "enabled" } ) print(response.choices[0].message) ``` **文件理解** ```python theme={null} from zai import ZhipuAiClient client = ZhipuAiClient(api_key="YOUR_API_KEY") # 填写您自己的APIKey response = client.chat.completions.create( model="glm-4.6v-flash", messages=[ { "role": "user", "content": [ { "type": "file_url", "file_url": { "url": "https://cdn.bigmodel.cn/static/demo/demo2.txt" } }, { "type": "file_url", "file_url": { "url": "https://cdn.bigmodel.cn/static/demo/demo1.pdf" } }, { "type": "text", "text": "What are the files show about?" } ] } ], thinking={ "type": "enabled" } ) print(response.choices[0].message) ``` **安装 SDK** **Maven** ```xml theme={null} ai.z.openapi zai-sdk 0.3.5 ``` **Gradle (Groovy)** ```groovy theme={null} implementation 'ai.z.openapi:zai-sdk:0.3.5' ``` **图片理解** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import java.util.Arrays; public class MultiModalImageExample { public static void main(String[] args) { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url("https://cdn.bigmodel.cn/static/logo/register.png") .build()) .build(), MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url("https://cdn.bigmodel.cn/static/logo/api-key.png") .build()) .build(), MessageContent.builder() .type("text") .text("What are the pics talk about?") .build() )) .build() )) .thinking(ChatThinking.builder() .type("enabled") .build()) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage(); System.out.println(reply); } else { System.err.println("错误: " + response.getMsg()); } } } ``` **传入 Base64 图片** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import java.io.File; import java.io.IOException; import java.nio.file.Files; import java.util.Arrays; import java.util.Base64; public class Base64ImageExample { public static void main(String[] args) throws IOException { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU().apiKey(apiKey).build(); String file = ClassLoader.getSystemResource("your/path/xxx.png").getFile(); byte[] bytes = Files.readAllBytes(new File(file).toPath()); Base64.Encoder encoder = Base64.getEncoder(); String base64 = encoder.encodeToString(bytes); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url(base64) .build()) .build(), MessageContent.builder() .type("text") .text("What are the pics talk about?") .build())) .build())) .thinking(ChatThinking.builder().type("enabled").build()) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage(); System.out.println(reply); } else { System.err.println("错误: " + response.getMsg()); } } } ``` **视频理解** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import java.util.Arrays; public class MultiModalVideoExample { public static void main(String[] args) { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("video_url") .videoUrl(VideoUrl.builder() .url("https://cdn.bigmodel.cn/agent-demos/lark/113123.mov") .build()) .build(), MessageContent.builder() .type("text") .text("What are the video show about?") .build() )) .build() )) .thinking(ChatThinking.builder() .type("enabled") .build()) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage(); System.out.println(reply); } else { System.err.println("错误: " + response.getMsg()); } } } ``` **文件理解** ```java theme={null} import ai.z.openapi.ZhipuAiClient; import ai.z.openapi.service.model.*; import java.util.Arrays; public class MultiModalFileExample { public static void main(String[] args) { String apiKey = "YOUR_API_KEY"; // 请填写您自己的APIKey ZhipuAiClient client = ZhipuAiClient.builder().ofZHIPU() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.6v-flash") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("file_url") .fileUrl(FileUrl.builder() .url("https://cdn.bigmodel.cn/static/demo/demo2.txt") .build()) .build(), MessageContent.builder() .type("file_url") .fileUrl(FileUrl.builder() .url("https://cdn.bigmodel.cn/static/demo/demo1.pdf") .build()) .build(), MessageContent.builder() .type("text") .text("What are the files show about?") .build() )) .build() )) .thinking(ChatThinking.builder() .type("enabled") .build()) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage(); System.out.println(reply); } else { System.err.println("错误: " + response.getMsg()); } } } ```