刚刚，智谱开源GLM-4.6V：从看懂图片到自动完成任务

背景：智谱公司推出了GLM-4.6V系列多模态大模型，作为GLM系列在多模态方向的重要迭代，旨在提升视觉理解精度和工具调用能力。研究目的：该模型通过将训练时上下文窗口提升到128k tokens，并原生集成Function Call能力，打通从视觉感知到可执行行动的链路，为多模态Agent提供技术底座，同时优化成本，降低API价格。结论：GLM-4.6V在多个评测基准上表现优异，达到同参数规模SOTA，支持智能图文创作、识图购物、前端复刻、长文档视频理解等应用场景，并已开源模型权重和推理代码，便于开发者和研究者快速集成与部署。