智譜AI今日宣布發(fā)布并開源GLM-4.6V系列多模態(tài)大模型，包括面向云端與高性能集群場(chǎng)景的基礎(chǔ)版GLM-4.6V（106B-A12B）和面向本地部署與低延遲應(yīng)用的輕量版GLM-4.6V-Flash（9B）。此次迭代將訓(xùn)練時(shí)上下文窗口提升至128ktokens，并在視覺理解精度上達(dá)到同參數(shù)規(guī)模SOTA。模型首次將FunctionCall（工具調(diào)用）能力原生融入視覺模型，實(shí)現(xiàn)從視覺感知到可執(zhí)行行動(dòng)的鏈路。

GLM-4.6V系列在性能優(yōu)化的同時(shí)，相較于GLM-4.5V降價(jià)50%，API調(diào)用價(jià)格低至輸入1元/百萬tokens，輸出3元/百萬tokens，而GLM-4.6V-Flash免費(fèi)開放使用。該系列模型融入GLMCodingPlan，針對(duì)用戶8大類場(chǎng)景定向開發(fā)了專用MCP工具，模型可自主調(diào)用最匹配的接口。GLM-4.6V從設(shè)計(jì)之初就圍繞“圖像即參數(shù)，結(jié)果即上下文”，構(gòu)建了原生多模態(tài)工具調(diào)用能力，減少了信息損失和工程復(fù)雜度。GLM-4.6V在MMBench、MathVista、OCRBench等30+主流多模態(tài)評(píng)測(cè)基準(zhǔn)上進(jìn)行了驗(yàn)證，較上一代模型取得顯著提升。