就在昨晚，智谱开源了GLM-4.6V 模型。
128k 超长上下文（约等于150 页文档）
最大的亮点：原生支持视觉工具调用（Function Call）
不仅能看，还能动手干活
两个版本，丰俭由人：
• GLM-4.6V（106B-A12B）：这是满血版，性能强悍，对标云端业务，支持高性能集群
• GLM-4.6V-Flash（9B）：这是轻量版，跑得快，适合本地部署
价格方面：
相比上一代，直接降价 50%
输入：1 元 / 百万 token
输出：3 元 / 百万 token
Flash 版本：免费
以及，这次更新，唯一的重点
GLM-4.6V，打通了“视觉”和“工具”
以前的多模态模型是：我看图 -> 转成文字 -> 调工具 -> 给你结果。中间转来转去，信息全丢了。
GLM-4.6V 是原生的：图像即参数，结果即上下文
直接把图扔给工具，工具返回的图表、网页，模型也能直接看懂
从“看懂”到“执行”，一条龙搞定
评测数据，简单总结就是“以小博大”
在 MMBench、MathVista 等 30+ 评测基准上验证：
• 9B Flash 版本：整体干翻 Qwen3-VL-8B
• 106B 版本：跟参数量是它 2 倍的 Qwen3-VL-235B 打得有来有回
官方场景案例：
1. 图文混排神器：内容创作的福音
扔给它一个主题，或者一篇干巴巴的论文、研报
它不是简单的配图，而是真正理解了内容
模型能自己调搜索工具找图，还自带“审美”做视觉审核
最后采用“草稿 -> 选图 -> 润色”的流程，吐出一篇结构清晰、图文并茂的公众号文章或 PPT 素材
2. 识图购物 Agent：比你更懂全网低价
你在街上拍个好看的衣服，模型直接识别你的“剁手”意图
自动规划任务，调起 image_search 工具
它能处理京东、拼多多等不同平台的脏数据，自动清洗、对齐
最后甩给你一张带购买链接、价格对比和缩略图的 Excel 表格
3. 前端复刻：程序员狂喜
直接上传一张设计稿或者网页截图，模型直接生成 HTML/CSS/JS 代码
它支持“视觉交互调试”
你可以在生成的图上圈一下，说：“把这个按钮左移一点，换成深蓝色”
模型利用视觉反馈循环，自动定位代码并修正，像素级还原
4. 财报/长视频分析：过目不忘
128k 上下文不是摆设，大概能塞进 150 页文档或 1 小时视频
一次扔进去 4 家上市公司的财报，它能跨文档提取核心指标，生成对比表
或者扔进一场足球比赛录像，它能精准定位进球时刻，生成集锦时间轴，关键信息一个不漏
这次智谱很敞亮，权重、代码全放出来了。
支持 vLLM、SGLang、Transformers 等主流框架，国产卡（NPU）也支持
GitHub👉github.com/zai-org/GLM…
Hugging Face👉huggingface.co/collections…
魔搭 ModelScope👉modelscope.cn/collections…
在线体验👉z.ai (选 GLM-4.6V)或者智谱清言 APP
如果你也对AI感兴趣，想拥抱AI，不妨可以来看看我们的AI超级个体知识库👇 免费的！
AI超级个体知识库
