用途：为需要调用智谱多模态视觉理解能力时提供模型选型与调用参考，覆盖图片理解、视频理解、文档 OCR 与手机自动化等任务。
主要模型：GLM-4.6V（Model ID 为 glm-4.6v，上下文 128K，支持图片+视频理解）；GLM-4.1V-Thinking（glm-4.1v-thinking，上下文 128K，主打视觉推理与链式思考，并支持视觉定位和前端代码生成）；GLM-OCR（glm-ocr，0.9B 参数，上下文 8K，专用 OCR，OmniDocBench 94.62 SOTA，支持中文、英文、日文、韩文等语言，输出格式为 Markdown、LaTeX、HTML，另有布局解析 API 端点）；AutoGLM-Phone（autoglm-phone，面向 Android 设备控制与自动化操作，有特定 API 端点）。
选型建议：通用图片理解与视频分析用 glm-4.6v；视觉推理、GUI Agent 或前端相关任务用 glm-4.1v-thinking；文档 OCR 用 glm-ocr；手机自动化用 autoglm-phone；文档问答等亦在推荐场景内。
API Key 配置：从 ~/.glm/.env 加载 ZHIPU_API_KEY，Key 可在 https://open.bigmodel.cn/usercenter/apikeys 获取。
参考文档：https://docs.bigmodel.cn/。
限制：资料未提供各模型的收费、价格、免费变体的具体范围与速率限制、上下文之外的最大输出、调用示例代码和完整参数说明，这些内容暂未提供；各模型的实际可用性与配额以官方文档为准。