12月8日，人工智能企业智谱AI正式发布并全面开源其最新多模态大模型系列——GLM-4.6V。该系列包含两个版本：面向云端与高性能集群的GLM-4.6V（106B-A12B）基础版，以及专为本地部署和低延迟场景优化的轻量级GLM-4.6V-Flash（9B）版本，后者已免费开放使用。
作为GLM系列在多模态领域的重大升级，GLM-4.6V将训练上下文窗口扩展至128K tokens，并在多项主流视觉理解基准（如MMBench、MathVista、OCRBench）中达到同参数规模下的领先水平（SOTA）。值得关注的是，该模型首次在架构层面原生集成Function Call（工具调用）能力，实现从“视觉感知”到“可执行行动”的完整闭环。
智谱AI强调，传统工具调用多依赖纯文本输入，处理图像、视频或复杂文档时需多次转换，易造成信息损失。GLM-4.6V则以“图像即参数，结果即上下文”为核心理念，支持直接将图像、截图或文档页面作为工具调用的输入参数，并能对工具返回的图表、商品图片等视觉结果进行二次理解，无缝融入后续推理流程。
在商业化方面，GLM-4.6V系列API调用价格较上一代GLM-4.5V大幅下调50%，定价低至输入1元/百万tokens、输出3元/百万tokens。同时，该模型已纳入“GLM Coding Plan”，针对八大典型应用场景开发了专用MCP工具，支持模型自主选择并调用最匹配的接口。
性能对比显示，9B参数的GLM-4.6V-Flash整体表现超越Qwen3-VL-8B；而106B总参数（12B激活）的GLM-4.6V则在关键能力上与参数量两倍于己的Qwen3-VL-235B相当，展现出显著的能效优势。此次发布标志着国产多模态模型在构建真实世界智能体（Agent）技术底座方面迈出关键一步。
https://github.com/zai-org/GLM-V
https://huggingface.co/collections/zai-org/glm-46v
https://modelscope.cn/collections/GLM-46V-37fabc27818446