GLM-4.6V是智譜於2025年12月8日正式上線並開源的多模態大模型系列，包含面向雲端與高性能集群場景的基礎版GLM-4.6V(106B-A12B)和面向本地部署與低延遲套用的輕量版GLM-4.6V-Flash(9B)。該系列模型將訓練上下文視窗提升至128k tokens，並在模型架構中融入了視覺工具調用能力。
該模型構建了多模態工具調用能力。在DeepImageSearch提出的圖像檢索評測基準DISBench中，GLM-4.6V是表現較好的開源模型之一。其套用場景包括圖文混排與內容創作、識圖購物、前端復刻與多輪視覺互動開發以及長上下文的文檔與視頻理解等。
基本介紹
- 外文名：GLM-4.6V
- 發布方：智譜
發展歷程,核心技術,原生多模態函式調用架構,長上下文處理能力,多模態內容生成與理解能力,前端復現與視覺編輯能力,性能表現,性能評測,重要事件,運營模式,
發展歷程
2025年12月8日，智譜AI發布並開源GLM-4.6V系列多模態大模型。該系列包含面向雲端與高性能集群場景的基礎版GLM-4.6V（106B-A12B），以及面向本地部署與低延遲套用的輕量版GLM-4.6V-Flash（9B）。
2025年12月16日，SophNet平台上線GLM-4.6V推理API，為開發者提供多模態推理服務。
核心技術
GLM-4.6V系列多模態大模型在視覺理解、長上下文處理及多模態任務執行方面實現了多項核心技術突破。其首次在模型架構中將Function Call（工具調用）能力原生融入視覺模型，並圍繞“圖像即參數，結果即上下文”的設計理念，構建了原生多模態工具調用能力，旨在打通從“視覺感知”到“可執行行動”的完整鏈路，為多模態智慧型體（Agent）套用提供統一的技術底座。
原生多模態函式調用架構
GLM-4.6V從設計之初即圍繞“圖像即參數，結果即上下文”的理念構建原生多模態工具調用能力。其核心創新在於支持基於視覺輸入的原生函式調用：輸入多模態方面，圖像、截圖、文檔頁面等可以直接作為工具參數，無需先轉為文字描述再解析；輸出多模態方面，對於工具返回的統計圖表、渲染後網頁截圖、檢索到的商品圖片等視覺輸出結果，模型能夠再次進行視覺理解，將其納入後續推理鏈路，從而完整實現從感知、理解到執行的閉環。
長上下文處理能力
GLM-4.6V在訓練中將上下文視窗擴展至128k tokens，使其具備處理長文檔與長視頻內容的能力。在實際套用中，128k上下文約等於150頁的複雜文檔、200頁PPT或1小時視頻內容，能夠在單次推理中處理多個長文檔或長視頻。這使得模型能夠實現跨文檔對比分析、長視頻事件精準定位等“過目不忘”級的長記憶力任務。
多模態內容生成與理解能力
GLM-4.6V具備交錯式圖文內容生成能力，可基於包含文檔、用戶輸入和工具檢索圖像在內的複雜多模態上下文，合成任務導向的、圖文交錯的連貫內容。同時，模型具備強大的多模態文檔理解能力，可直接將格式豐富的頁面作為圖像進行解析，聯合理解文本、版式、圖表、表格和插圖，無需事先轉換為純文本即可準確理解複雜且富含圖像的文檔。
前端復現與視覺編輯能力
性能表現
在性能上，GLM-4.6V在MMBench、MathVista、OCRBench等30餘項主流多模態評測基準上進行了驗證，較上一代模型取得顯著提升。在同等參數規模下，模型在多模態互動、邏輯推理和長上下文等關鍵能力上達到最先進（SOTA）水平。其中，9B版本的GLM-4.6V-Flash在多項測試中整體表現超過Qwen3-VL-8B，106B參數12B激活的GLM-4.6V表現則與參數規模更大的Qwen3-VL-235B相接近。
性能評測
根據智譜AI官方發布的信息，GLM-4.6V在MMBench、MathVista、OCRBench等30餘項主流多模態評測基準中進行了驗證，較上一代模型取得顯著提升。在同等參數規模下，該模型在多模態互動、邏輯推理和長上下文等關鍵能力上取得了SOTA（最先進）表現。具體而言，9B版本的GLM-4.6V-Flash整體表現超過Qwen3-VL-8B；106B參數12B激活的GLM-4.6V表現則與2倍參數量的Qwen3-VL-235B相接近。
在由中國人民大學高瓴人工智慧學院與OPPO研究院於2026年3月提出的圖像檢索新範式DeepImageSearch的評測基準DISBench中，GLM-4.6V作為開源多模態模型參與評估。評測結果顯示，GLM-4.6V是表現最佳的開源模型，但其綜合得分不到最強閉源模型（如Claude-Opus-4.5）的四成，一次嘗試完美解決查詢的比例較低。該評測揭示了GLM-4.6V在需要多步規劃、狀態管理和長程跨事件推理的複雜圖像檢索任務中存在關鍵短板。
重要事件
2025年12月8日，智譜AI發布並開源GLM-4.6V系列多模態大模型，包括面向雲端的基礎版GLM-4.6V(106B-A12B)和面向本地的輕量版GLM-4.6V-Flash(9B)。
2025年12月9日，沐曦股份曦雲C系列GPU完成對GLM-4.6V的Day 0適配。
2025年12月16日，SophNet平台上線GLM-4.6V推理API。
運營模式
GLM-4.6V系列模型通過商業化API服務與開源生態相結合的方式進行運營。輕量版模型GLM-4.6V-Flash可供用戶使用。在開發生態方面，模型已融入GLM Coding Plan，並針對用戶8類場景定向開發了專用MCP（大模型上下文協定）工具，模型可自主調用最匹配的接口。此外，模型推理API也已上線第三方平台如SophNet，為開發者提供基於專用硬體的推理服務。這些措施有助於降低開發者的使用門檻。
