GLM-4.6V 開源｜支持識圖、推理、工具調(diào)用

長話短說
GLM-4.6V 系列，128k 上下文，今天開源
支持識圖、推理、工具調(diào)用
能處理 150 頁文檔或 1 小時(shí)視頻

兩個(gè)版本：

• ? GLM-4.6V（106B-A12B）

• ? GLM-4.6V-Flash（9B）

當(dāng)然，也支持 API 調(diào)用，并且降價(jià) 50%
輸入1 元、輸出3元（每百萬 token）

價(jià)格對比

以及，這次的更新里，有個(gè)東西要?jiǎng)澲攸c(diǎn)
GLM-4.6V，支持了 Function Call

之前，GLM 的視覺模型，并不支持工具調(diào)用

評測數(shù)據(jù)

簡單來說，就是

• ? 9B 版本，整體超過 Qwen3-VL-8B

• ? 106B-A12B 版本，比肩 2 倍參數(shù)量的 Qwen3-VL-235B

遺下內(nèi)容，均來自官方 demo

圖文混排：輸入論文或主題，輸出帶配圖的內(nèi)容，模型自己調(diào)搜索找圖，自己做視覺審核過濾

識圖購物：上傳街拍圖，模型調(diào) image_search，清洗多平臺數(shù)據(jù)，輸出導(dǎo)購表格

前端復(fù)刻：上傳設(shè)計(jì)稿，生成 HTML/CSS/JS，支持在截圖上圈選區(qū)域發(fā)指令改代碼

視頻理解：一次輸入 4 家上市公司財(cái)報(bào)，跨文檔抽取指標(biāo)生成對比表

開源信息

模型支持 SGLang、vLLM、transformers、xLLM（Ascend NPU），并已于 GitHub、HuggingFace 和 魔搭進(jìn)行開源

GitHub
https://github.com/zai-org/GLM-V

Hugging Face
https://huggingface.co/collections/zai-org/glm-46v

魔搭
https://modelscope.cn/collections/GLM-46V-37fabc27818446

GitHub

在線體驗(yàn)的話，也可以
z.ai 選 GLM-4.6V 模型，或者智譜清言 APP

z.ai