智谱开源的多模态大模型系列产品——GLM-4.6V

智谱推出的多模态大模型GLM-4.6V，包含两个版本：面向云端与高性能集群场景的基础版GLM-4.6V（106B-A12B），以及面向本地部署与低延迟应用的轻量版GLM-4.6V-Flash（9B）。该模型支持128k tokens的长上下文，在视觉理解精度上处于同参数规模的顶尖行列，并且首次将工具调用能力原生集成到视觉模型中，构建起从视觉感知到可执行行动的完整闭环。GLM-4.6V已在智能图文创作、识图购物、前端复刻、长文档/视频理解等多个场景得到广泛应用，不仅性能较上一代GLM-4.5V有显著提升，成本还降低了50%。

GLM-4.6V具备以下核心能力： 1. 多模态理解与生成：可兼容图像、视频、文本等多元输入，输出高质量图文融合内容，适配内容创作、社交平台发布等场景。 2. 视觉导向的工具调用：允许直接以图像、截图作为工具参数，省去文字转译环节以减少信息损耗，同时能解析工具返回的统计图表、网页截图等多模态结果。 3. 长上下文处理能力：上下文窗口拓展至128k tokens，可承载150页复杂文档或1小时视频内容的处理需求，支持跨文档对比分析与长视频关键事件定位。 4. 智能导购与比价功能：在电商场景下，可完成从图像识别到商品检索、价格比对及导购清单生成的全流程服务。 5. 前端复刻与交互调试：支持像素级还原前端设计，能将设计稿快速转化为可运行的网页代码，并支持基于截图的多轮视觉交互修改。 6. 多模态交互与推理：面对复杂任务时，可结合视觉输入与文本信息开展推理，生成结构化输出，适用于多类业务场景。 7. 高性价比与灵活部署：与上一代模型相比成本降低50%，支持云端、本地及多类硬件环境部署，满足不同场景的使用需求。 GLM-4.6V的性能表现如下：

在MMBench、MathVista、OCRBench等三十余个多模态评测基准的验证过程中，GLM-4.6V较之上一代模型实现了显著进步，特别是在多模态交互、逻辑推理与长上下文处理等核心能力方面达到了顶尖水准。

9GLM-4.6V-Flash的9B版本：综合表现优于参数量为8B的Qwen3-VL-8B，在多模态任务里呈现出更出色的效率与性能。而拥有106B参数、12B激活规模的GLM-4.6V，性能可与参数量翻倍的Qwen3-VL-235B相媲美，这印证了其在参数效率方面的突出优势，能够以更少的计算资源实现相近乃至更优的性能表现。

GLM-4.6V的核心优势包括：其一，具备原生视觉输入驱动的工具调用能力，可应对图文混排解析、识图导购及Agent场景等复杂视觉任务；其二，拥有128k上下文窗口，理论上能承载150页复杂文档、200页PPT或一小时视频的信息，单次推理即可处理多份长文档或长视频；其三，代码能力进一步优化，在前端界面复刻与多轮视觉交互修改方面表现更优，助力开发者压缩从设计稿到可运行页面的落地周期；其四，在同参数规模模型中，多模态交互、逻辑推理及长上下文处理等关键维度均达到SOTA水平。关于GLM-4.6V的使用方式，可通过以下途径实现：本地部署时，从GitHub或其他开源平台获取代码与模型权重，部署至本地设备或服务器运行；云端调用需访问智谱开放平台，完成账号注册并获取API密钥后，通过网络请求调用云端模型；在线体验可直接访问z.ai或智谱清言的APP及网页版，选择GLM-4.6V模型，上传图片或输入文字后点击“推理”查看结果；若需集成到自有应用，可通过API调用或本地部署的方式接入软件与系统，实现特定功能；此外，还能在SGLang、transformers等支持框架中加载模型，结合GPU等硬件资源运行。GLM-4.6V的相关项目资源可通过以下地址获取：GitHub仓库为https://github.com/zai-org/GLM-V；HuggingFace模型库可访问https://huggingface.co/collections/zai-org/glm-46v；技术论文详见https://z.ai/blog/glm-4.6v。该模型的应用场景广泛：在智能图文创作领域，输入主题或图文混杂的素材，模型可自动生成结构清晰、图文结合的内容，适用于社交媒体、公众号等平台；视觉驱动购物场景中，上传图片并下达指令后，模型能识别购物需求，搜索同款商品并生成导购清单，优化电商购物体验；前端开发辅助方面，上传网页截图或设计稿，模型可精准生成复刻代码，并支持多轮交互修改，加速开发流程；长文档与视频理解场景下，可处理长文档、长视频内容，支持跨文档对比分析与关键事件定位，助力复杂内容的理解与研究；多模态智能客服场景中，结合视觉与文本信息提供精准解答和建议，支持多轮对话，提升客户服务效率。