Kiedy Z.ai (dawniej Zhipu AI) wypuściło GLM-Image w styczniu 2026, nie dodali po prostu kolejnego modelu do zatłoczonej przestrzeni generowania obrazów — zasadniczo zakwestionowali założenia architektoniczne, które dominowały w tej dziedzinie. GLM-Image łączy 9-miliardowy model językowy autoregresyjny z 7-miliardowym dekoderem dyfuzyjnym, tworząc hybrydowy system o 16 miliardach parametrów, który osiąga coś niezwykłego: jest to pierwszy otwartoźródłowy, przemysłowej klasy dyskretny autoregresyjny model generowania obrazów, który faktycznie rywalizuje z własnościowymi gigantami w określonych zdolnościach, będąc jednocześnie dostępny za darmo dla każdego do używania i modyfikacji.