智譜AI正式推出并開源GLM-4.6V系列多模態大模型，該系列包含兩個版本：面向云端與高性能集群的GLM-4.6V（106B-A12B）基礎版，以及適配本地部署與低延遲場景的GLM-4.6V-Flash（9B）輕量版。此次發布標志著GLM系列在多模態技術領域實現重要突破，通過原生集成工具調用能力，為復雜視覺任務提供更高效的解決方案。

新模型在技術架構上實現三大創新：首先將訓練上下文窗口擴展至128k tokens，顯著提升長文本處理能力；其次在視覺理解精度方面達到同參數規模模型的領先水平；最關鍵的是首次將Function Call（工具調用）能力原生融入視覺模型架構，構建起從視覺感知到可執行行動的完整鏈路。這種設計使得模型能夠直接處理圖像、文檔等多模態輸入，無需中間文本轉換環節，有效減少信息損耗。

在性能優化方面，GLM-4.6V系列展現出顯著優勢。相較于前代GLM-4.5V，新系列API調用價格下降50%，輸入成本降至1元/百萬tokens，輸出成本為3元/百萬tokens。其中GLM-4.6V-Flash版本更提供免費使用權限，大幅降低開發者的接入門檻。同時，該系列已整合至GLM Coding Plan，針對八大類應用場景開發專用MCP工具，模型可自動匹配最優接口進行調用。

技術文檔顯示，GLM-4.6V構建了原生多模態工具調用框架：輸入端支持圖像、截圖、文檔頁面等直接作為參數傳入，輸出端可對統計圖表、網頁截圖、商品圖片等結果進行二次視覺理解。這種閉環設計使模型能夠處理圖文混排輸出、商品識別推薦等復雜任務，在輔助型Agent場景中表現尤為突出。例如在電商領域，模型可同時完成商品識別、價格比對和推薦理由生成等操作。

權威評測數據驗證了模型性能：在MMBench、MathVista、OCRBench等30余個主流多模態基準測試中，新模型較上一代取得全面提升。同等參數規模下，GLM-4.6V在多模態交互、邏輯推理和長上下文處理等關鍵指標上達到行業領先水平。具體對比顯示，9B版本的GLM-4.6V-Flash整體表現優于Qwen3-VL-8B，而106B參數（12B激活）的GLM-4.6V性能可與參數規模達235B的Qwen3-VL-235B相媲美。

為促進技術生態發展，智譜AI同步開放了GLM-4.6V的完整技術資源，包括模型權重、推理代碼和示例工程。開發者可通過GitHub、Hugging Face和魔搭社區三大平臺獲取相關資源，具體地址分別為：https://github.com/zai-org/GLM-V、https://huggingface.co/collections/zai-org/glm-46v、https://modelscope.cn/collections/GLM-46V-37fabc27818446。此舉將加速多模態技術在智能客服、內容創作、工業檢測等領域的落地應用。