我要投稿

硅基流动上线智谱视觉模型 GLM-4.6V

发布日期：2025-12-11 12:21:13 浏览次数： 1556

作者：硅基流动

微信搜一搜，关注“硅基流动”

不仅能看懂，更能做到。相比前代视觉模型，智谱最新开源的 106B 参数规模 GLM-4.6V 拥有“动手”能力，能将所见之物直接转化为可执行的行动，尤其适合应对高度复杂视觉推理任务与深度研究。

以往，视觉模型运行流程如同繁琐的传话游戏：图像需先被描述成文字才能被理解和处理，信息损耗在所难免。

GLM-4.6V 从架构层面重塑了这一流程，确立了“图像即参数，结果即上下文”的原生范式。这意味着，截图、文档页面或商品图片可以直接作为指令参数输入；而工具生成的图表、网页截图等视觉结果，又能被它再次“看见”并纳入推理决策，实现从看见到看懂、再到执行的流畅闭环。

这一原生多模态工具调用能力在实际场景中释放出巨大价值：

1. 深度多模态文档理解。它能直接解析长达 128K 上下文的复杂版式与图表，无需中间转换。

2. 前端代码的视觉复现与编辑。它能从截图精准生成代码，并用自然语言指令迭代修改。

3. 交错式图文内容生成。它能主动调用工具检索素材，创作出丰富且依据充分的混合媒体内容。

由此，GLM-4.6V 弥合了“视觉感知”与“可执行动作”之间的断层，为构建真正实用、能执行复杂任务的多模态智能体铺平了道路。

在基础性能方面，GLM-4.6V 较前一代模型取得了显著提升，也能媲美更大规模视觉模型。

这个“眼明手快”的多面手已作为第 149 位成员入驻硅基流动 AI 云：API 调用价格较前代直降 50%，仅需输入 1 元/百万 Tokens，输出 3 元/百万 Tokens，并支持 128K 上下文长度。现在即可感受 GLM-4.6V 带来的效率飞跃。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-12-11

Qwen3-Omni新升级:声形意合，令出智随！

2025-12-11

首发实测智谱 GLM-TTS：3秒克隆我的声音，连「哎等等这bug怎么回事」都学会了

2025-12-11

GLM-TTS技术报告：基于多奖励强化学习的可控发音语音合成

2025-12-11

Qwen3-TTS全面升级：声情并茂，语通八方

2025-12-09

Ming-Flash-Omni 音视图文全模态技术报告解读 —— 一为全，全为一

2025-12-07

阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色，连天津味儿都拿捏了！

2025-12-06

微软又上大分！刚刚开源一款 0.5B 轻量级实时 TTS 模型，还能边想边说！

2025-12-03

Step-Audio-R1 技术报告解析

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

手把手教学：用n8n+RSS+飞书实现多平台热点自动抓取（含RSS源分享）

2025-09-19

谁是OCR王者？MinerU、PaddleOCR、DeepSeek-OCR 实测对比，集成一个多模态PDF解析系统

2025-11-10

DeepSeek-OCR 实测

2025-10-22

Qwen3-Omni：一个模型，全能不偏科

2025-09-25

DeepSeek-OCR多模态数据分析Agent实战

2025-10-31

微软又上大分！刚刚开源一款 0.5B 轻量级实时 TTS 模型，还能边想边说！

2025-12-06

多模态AI质检：身份核验场景实践

2025-09-17

Doc-Researcher：多模态文档解析准确率提升3.4倍

2025-11-03

阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色，连天津味儿都拿捏了！

2025-12-07

Gemini 3 多模态Prompt：手相宗师 - 玄师

2025-11-19

大家都在问

GenAI的多模态数据智能平台如何构建？

2025-08-04

本地AI对话神奇，ChatWise到底有什么用？

2025-05-26

什么是基于知识图谱的多模态推理？

2025-05-13

AI数字人领域重大突破：告别拼凑式合成，阿里OmniTalker能否开启音视频一体化新时代？

2025-04-08

Midjourney V7全面测评：50组多风格提示词实测，是否还有领先优势?

2025-04-05

如何结合多模态RAG和异步调用实现大模型内容理解？

2025-03-30

Chat GPT文生图不用DALL·E模型了？

2025-03-26

如何构建多模态AI知识库？

2025-03-05

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部