O que é GLM-Image?
O GLM-Image foi lançado em janeiro de 2026 pela Z.ai, a empresa antes chamada Zhipu AI. Ele junta um gerador autorregressivo de 9 bilhões de parâmetros, inicializado a partir do GLM-4-9B, que planeja a imagem em cerca de 256 tokens e a expande para 1K a 4K tokens, com um decodificador de difusão de 7 bilhões de parâmetros que tem um codificador de glifos dedicado ao texto. Um só modelo faz texto para imagem e imagem para imagem, incluindo edição, transferência de estilo e geração que preserva a identidade de pessoas e objetos.
Os pesos principais têm licença MIT; o tokenizador VQ e os pesos ViT vêm do X-Omni sob Apache 2.0. A saída vai de cerca de 1K a 2K pixels por lado, com dimensões divisíveis por 32. A API da Z.ai cobra US$ 0,015 por imagem. Os pesos no Hugging Face foram atualizados pela última vez em 15 de janeiro de 2026 e o repositório no GitHub não recebe push desde março de 2026.
Quanto custa GLM-Image?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | MIT, com tokenizador e componentes ViT sob Apache 2.0 |
| Z.ai API | $0.015 per image |
Pesos gratuitos sob MIT (com componentes Apache 2.0). API da Z.ai a US$ 0,015 por imagem.
GLM-Image vale a pena?
O GLM-Image é um especialista em imagens cheias de texto e um modelo de imagem geral fraco. No CVTG-2K, um teste de renderização de vários textos numa mesma imagem, a Z.ai informa precisão por palavra de 0,9116, à frente do Seedream 4.5 com 0,8990 e do Z-Image com 0,8671, e sua nota de 0,979 no LongText-Bench em chinês é a melhor da mesma tabela.
Na qualidade geral, ele fica devendo. No ranking de texto para imagem da Artificial Analysis, está em 89º de 108 com 891 Elo, atrás do ERNIE Image com 909, do Z-Image Turbo com 936 e do líder aberto Qwen-Image-2.1 com 1045. Nas tabelas da própria Z.ai, sua nota de 0,528 no OneIG-EN empata com o Z-Image-Turbo e fica abaixo do Qwen-Image, com 0,539.
Também é lento. Os números da Z.ai numa H100 mostram 64 segundos e 37,8 GB de memória para uma imagem de 1024x1024, e 253 segundos e 45,1 GB em 2048x2048; o offloading para a CPU reduz a memória para cerca de 23 GB, ao custo de mais lentidão. Os caminhos mais rápidos via vLLM-Omni e SGLang continuam listados como em integração, dez meses após o lançamento.
A licença e a API são o que o salva. MIT nos pesos principais significa sem teto de receita e sem exclusões regionais, e a US$ 0,015 por imagem a versão hospedada da Z.ai poupa a maioria das equipes de precisar de uma H100.
Onde ele se destaca
A equipe de marketing de uma rede de restaurantes em Xangai
Produzir cardápios e cartazes promocionais bilíngues com preços e nomes de pratos exatos
Envie prompts com cada texto entre aspas para a API da Z.ai a US$ 0,015 por imagem; 2.000 rascunhos por mês custam US$ 30. Um designer ainda revisa, porque 0,9116 de precisão por palavra ainda deixa erros.
Um engenheiro de infraestrutura de uma editora com H100 ociosas
Hospedar um serviço de imagens que passe rápido pela revisão jurídica
Rode a pipeline do Diffusers numa H100, com cerca de 64 segundos e 38 GB por imagem de 1024x1024, umas 56 imagens por hora por GPU. Os termos MIT não exigem checagem de receita nem de território.
A equipe de catálogo de uma loja online de móveis
Trocar fundos mantendo produtos e modelos consistentes
Use o modo imagem para imagem com uma ou mais referências; altura e largura precisam ser definidas explicitamente em múltiplos de 32, e cada edição de 1024x1024 leva cerca de 59 segundos numa H100.
Antes de decidir
- Configuração
- Instale Transformers e Diffusers a partir do código-fonte e carregue o GlmImagePipeline numa GPU de 80 GB, ou ative o offloading para CPU para cerca de 23 GB; a API só precisa de uma chave da Z.ai.
- Integrações
- Pipelines do Transformers e do Diffusers, um servidor SGLang com endpoints de geração e edição no estilo OpenAI e a API da Z.ai; a Z.ai recomenda o GLM-4.7 para melhorar prompts.
- Dados e privacidade
- Os pesos com licença MIT podem rodar totalmente offline; o model card não publica regras de retenção específicas da API de imagens hospedada.
- Custo em escala
- API: 100.000 imagens por mês custam US$ 1.500. Hospedando você mesmo: cerca de 56 imagens por hora por H100 em 1024x1024 com as configurações padrão.
- Limites
- As dimensões precisam ser divisíveis por 32; o texto a renderizar deve estar entre aspas; amostragem com temperatura 0,9 troca estabilidade por variedade; ainda não há serviço otimizado.
O que é bom
- Licença MIT sem teto de receita nem limites regionais
- Maior precisão por palavra no CVTG-2K na comparação da Z.ai
- Texto para imagem e edição num só modelo
- API hospedada a US$ 0,015 por imagem
O que não é
- 89º de 108 no ranking de texto para imagem da Artificial Analysis
- Cerca de 64 segundos por imagem de 1024x1024 numa H100
- Precisa de cerca de 38 GB de memória de GPU sem offloading
- O texto a renderizar precisa estar entre aspas
Ideal para
Equipes que produzem cartazes, cardápios e infográficos em chinês ou inglês e precisam de texto correto na imagem e licença sem restrições mais do que velocidade ou acabamento.
Alternativas ao GLM-Image
GLM-Image: perguntas frequentes
- GLM-Image vale a pena?
- O GLM-Image acerta as palavras de um cartaz mais vezes do que qualquer outro modelo na comparação da própria Z.ai, mas fica para trás em todo o resto e leva um minuto por imagem numa H100. Damos nota 3.3 de 5.
- Quanto custa GLM-Image?
- Pesos gratuitos sob MIT (com componentes Apache 2.0). API da Z.ai a US$ 0,015 por imagem.
- Quais são as desvantagens de GLM-Image?
- 89º de 108 no ranking de texto para imagem da Artificial Analysis; cerca de 64 segundos por imagem de 1024x1024 numa H100; precisa de cerca de 38 GB de memória de GPU sem offloading; o texto a renderizar precisa estar entre aspas.
- Para quem GLM-Image é indicado?
- Equipes que produzem cartazes, cardápios e infográficos em chinês ou inglês e precisam de texto correto na imagem e licença sem restrições mais do que velocidade ou acabamento.
- Quanto custa GLM-Image para uma equipe ou em produção?
- API: 100.000 imagens por mês custam US$ 1.500. Hospedando você mesmo: cerca de 56 imagens por hora por H100 em 1024x1024 com as configurações padrão.
- GLM-Image é seguro para dados da empresa?
- Os pesos com licença MIT podem rodar totalmente offline; o model card não publica regras de retenção específicas da API de imagens hospedada.
- Quais são as melhores alternativas ao GLM-Image?
- As alternativas mais próximas que analisamos são ERNIE-Image (and Turbo), Qwen-Image-2.1, MOSS-Image e Ming-Image-0.1-Design.
Respostas verificadas em 7 de nov. de 2026.