モデルの位置付け
Glyphは、長文を画像に変換して視覚言語モデルで処理する「視覚・テキスト圧縮」により、長いコンテキストを効率的に扱うためのモデルとフレームワークです。公開モデルはGLM-4.1V-9B-Baseを基にしています。(github.com)
能力と用途
長文を画像として入力し、指示や質問に対してテキストで回答します。長文の質問応答や文書理解などに利用できます。公式リポジトリによると、英語・中国語向けのレンダリング設定が提供され、72 DPI設定では平均約3〜4倍の圧縮が報告されています。圧縮率は設定によって変わります。(github.com)
制限
解像度、フォント、文字間隔などのレンダリング設定が性能に影響します。また、UUIDのようなまれな英数字列の正確な読み取りは難しく、文字の誤認識や順序の誤りが生じ得ます。圧縮率や精度は用途によって異なり、完全な情報保持は保証されません。(arxiv.org)
公開日と提供形態
指定されたモデルファイルのコミット日は2025年10月25日です。論文の初版は2025年10月20日に公開されています。モデル重みはHugging Faceで公開されており、モデルページにはMITライセンスと記載されています。(huggingface.co)
価格
2026年11月17日確認。Glyph固有の公式API入力・出力料金は未確認です。国際サイトのUSD料金表にはGlyphの記載がなく、中国国内サイトのCNY料金ページは取得時にJavaScriptが必要で内容を確認できませんでした。したがって料金額や課金単位は記載しません。(docs.z.ai)