GLM-4.6V和GLM-4.6V-Flash发布 · Chronopin

Reviews

GLM-4.6V Now on SiliconFlow: Native Multimodal Tool Use Meets SoTA Visual Intelligence · siliconflow.com · 2025年12月11日It matches or outperforms comparable-scale models like Qwen3-VL-235B , Kimi-VL-A3B-Thinking-2506 , and Step3-321B in key capabilities: multimodal understanding, multimodal agentic tasks, and long-context processing.
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning · venturebeat.com · 2025年12月8日The 106B model’s 128K-token window allows it to outperform larger models like Step-3 (321B) and Qwen3-VL-235B on long-context document tasks, video summarization, and structured multimodal reasoning.
Zhipu AI Releases GLM-4.6V: A 128K Context Vision Language Model with Native Tool Calling - MarkTechPost · marktechpost.com · 2025年12月9日The model consumes those visual outputs and fuses them with text in the same reasoning chain. This closes the loop from perception to understanding to execution and is explicitly positioned as the bridge between visual perception and executable action for multimodal agents.

情绪走势正面

口碑倾向

情绪走势
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning · 2025年12月8日	0.50
Zhipu AI Releases GLM-4.6V: A 128K Context Vision Language Model with Native Tool Calling - MarkTechPost · 2025年12月9日	0.85
GLM-4.6V Now on SiliconFlow: Native Multimodal Tool Use Meets SoTA Visual Intelligence · 2025年12月11日	0.60

参考资料 5可信度 87%总体可信度: 87%该图钉的来源和参考资料对其日期的支持程度。包括来源在内的 5 份资料对图钉开始和结束时间支持程度的加权平均；资料每比最新的一份旧 180 天，权重减半显示所有可信度不低于 75% 的图钉

第一项始终是图钉的来源。总体可信度是各份资料对上方所用开始和结束时间支持程度的加权平均；资料每比最新的一份旧 180 天，权重减半。

[1]90%
huggingface.co/zai-org/GLM-4.6V
huggingface.co· 发布于 2026年10月12日· 开始 2025年12月8日 ✓· 占评分 34%
VentureBeat^[4]于2025年12月8日(5:03 pm PT)报道称Z.ai "has released its GLM-4.6V series",OpenRouter^[5]在12月8日上架z-ai/glm-4.6v;Hugging Face仓库于12月7日(UTC)上传,docs.z.ai^[2]的发布案例视频标注为1208。
[2]88%
GLM-4.6V - Z.AI Developer Document
docs.z.ai· 添加于 2026年10月12日· 占评分 34%
Z.ai developer docs: GLM-4.6V, GLM-4.6V-FlashX and GLM-4.6V-Flash, 128K context, native multimodal tool use, image-text content creation, visual web search, frontend replication, about 150 pages, 200 slides or one hour of video in one pass, more than 20 benchmarks.^[1]
[3]85%
GLM-4.5V and GLM-4.1V-Thinking: Towards Versatile Multimodal Reasoning with Scalable Reinforcement Learning - arXiv
arxiv.org· 发表于 2026年1月1日· 占评分 11%
GLM-V paper, revised 1 January 2026 (v6): now covers GLM-4.1V-Thinking, GLM-4.5V and GLM-4.6V, a reasoning-centric RL recipe (RLCS) and the GLM-4.6V series adding native tool use and a 128K-token window; open-sourced models.^[1]
[4]88%
Z.ai debuts open source GLM-4.6V, a native tool-calling vision model for multimodal reasoning - VentureBeat
venturebeat.com· 发表于 2025年12月8日· 开始 2025年12月8日· 占评分 10%
VentureBeat (Carl Franzen), 8 Dec 2025: Z.ai released the open-source GLM-4.6V series (106B and 9B Flash) with native function calling, a 128K-token context, MIT license, $0.30 and $0.90 per million tokens and free Flash; use cases are frontend automation, long documents and video summarization.
[5]75%
Z.ai: GLM 4.6V - OpenRouter
openrouter.ai· 发表于 2025年12月8日· 占评分 10%
OpenRouter listing (read from its models API): Z.ai: GLM 4.6V, added 8 Dec 2025, 131,072-token context, image, text and video input, $0.30 per million input and $0.90 per million output tokens, up to 32,768 output tokens.

建议更正

有遗漏或错误吗？用你自己的话说明：能佐证此图钉的链接、不同的开始或结束日期及理由，或缺失、有误的信息。AI 会对照此图钉的来源进行核实，搜索更好的来源，并添加任何支持你说法的页面。图钉自身的来源仍然最重要。AI 也会查看图片：显示的是别的东西或显示效果差的图片会被移到后面或替换。

AI发布于 2026/10/122026/10/12 21:56

去时间线

Z.ai

开始于 2025/12/08已确认可信度 87%

VentureBeat^[4]于2025年12月8日(5:03 pm PT)报道称Z.ai "has released its GLM-4.6V series",OpenRouter^[5]在12月8日上架z-ai/glm-4.6v;Hugging Face^[1]仓库于12月7日(UTC)上传,docs.z.ai^[2]的发布案例视频标注为1208。

开始: 2025年12月8日可信度 90%来源

GLM-4.6V和GLM-4.6V-Flash发布

Name: GLM-4.6V和GLM-4.6V-Flash发布
Author: Z.ai

由原文自动翻译

原标题: GLM-4.6V and GLM-4.6V-Flash Released

Z.ai发布了106B参数的混合专家视觉语言模型GLM-4.6V和9B的GLM-4.6V-Flash,均采用MIT许可证,是首批原生支持函数调用的GLM-V模型,按128K token上下文训练,输入价格为每百万token $0.30。

Z.ai(智谱AI)于2025年12月8日发布了GLM-4.6V系列:面向云端和集群的106B模型GLM-4.6V(据Z.ai图表,激活参数12B),以及面向本地和低延迟场景的9B模型GLM-4.6V-Flash,二者均采用MIT许可证,并按128K token上下文训练^[1][2][4]
最突出的特性是GLM-V系列首次在视觉语言模型中实现原生函数调用:图像、截图和文档页面可作为参数直接传入工具,图表、搜索图片或渲染页面等工具输出也能以视觉方式读回,从而打通从感知到行动的闭环^[1][2]
Z.ai称,在20多项多模态基准上,其在同等规模开放模型中取得了最先进的成绩;图表中GLM-4.6V在MMBench V1.1上得分88.8,MathVista 85.2,Design2Code 88.6(GLM-4.5V为82.2),OSWorld 37.2(35.8),而在WebVoyager(81.0对84.4)和RefCOCO(88.6对91.3)上有所下滑^[1][2]
API定价为每百万输入token $0.30、每百万输出token $0.90;GLM-4.6V-Flash免费,docs.z.ai还列出了FlashX档;OpenRouter列出的价格相同,上下文为131,072个token^[4][5]
Z.ai的模型卡承认,纯文本问答仍有改进空间,模型在复杂提示下可能过度思考或重复,而计数和识别特定人物仍然较弱^[1]

主要特性

图文交错生成:在写作过程中调用搜索和检索工具获取并筛选更多图片;以及支持多步骤报告生成的视觉网页搜索^[1][2]
前端复刻与可视化编辑:根据UI截图重建像素级精确的HTML、CSS和JavaScript,并按自然语言指令进行修改,包括可视化调试^[1][2]
长上下文文档理解:据Z.ai称,单次可处理约150页文档、200张幻灯片或一小时视频,此外还支持多图推理,以及以JSON返回标签和边界框的目标检测^[2]
GLM-V系列在介绍GLM-4.1V-Thinking和GLM-4.5V的论文中有所阐述,后续版本新增了具备原生工具调用和128K窗口的GLM-4.6V系列^[3]

基准测试

摘自Z.ai的GLM-4.6V结果图表(模型卡和docs.z.ai上的图片)的部分行,均为思考模型;"/"表示未报告^[1].

基准	GLM-4.6V (106B)	GLM-4.6V-Flash (9B)	GLM-4.5V (106B)	Qwen3-VL-8B-Thinking	Qwen3-VL-235B-A22B-Thinking
MMBench V1.1	88.8	86.9	88.2	84.3*	90.6
MMStar	75.9	74.7	75.3	75.3	78.7
MMMU (Val)	76.0	71.1	75.4	74.1	80.6
MMMU-Pro	66.0	60.6	65.2	60.4	69.3
MathVista	85.2	82.7	84.6	81.4	85.8
AI2D	88.8	89.2	88.1	84.9	89.2
Design2Code	88.6	69.8	82.2	56.6*	93.4
OSWorld	37.2	21.1	35.8	33.9	38.1
AndroidWorld	57.0	42.7	57.0	50.0	/
WebVoyager	81.0	71.8	84.4	47.7*	30.4*
MMLongBench-Doc	54.9	53.0	44.7	48.0	56.2
OCRBench	86.5	84.7	86.5	81.9	87.5
ChartQAPro	65.5	62.6	64.0	58.4*	63.6*
RefCOCO-avg (val)	88.6	85.6	91.3	89.3*	92.4
Ref-L4-test	88.9	87.7	89.5	88.6*	90.4

@AIDesk

购买Z.ai