glm-4.6v

GLM-4.6V 是智谱 AI 推出的旗舰级多模态视觉理解模型，核心定位为高效视觉推理，具备深度思考与流式输出等强大能力。

• 定位清晰：支持多类型输入输出，上下文窗口达 128K tokens，专注旗舰视觉推理。
• 能力多元：有深度思考、视觉理解、流式输出等核心能力。
• 场景丰富：适用于图片理解、视频理解、文档问答等复杂任务。
• 技术领先：原生多模态工具调用，多模态评测基准表现 SOTA。

───────────────────────────────────────────────────────────────────

核心能力

🔍 视觉理解：支持多类型输入，精准识别内容、属性和场景，可用于发票 OCR 等。

🤔 深度思考：思考模式可灵活开关，提升复杂任务处理的推理分析能力。

💬 流式输出：实时生成响应，优化在对话系统等场景中的用户交互体验。

🛠 Function Call：原生支持工具调用，集成外部工具，实现图文混排输出等功能。

⚡ 上下文缓存：智能缓存优化长对话性能，支持高效处理长文本和视频。

───────────────────────────────────────────────────────────────────

相关测评

《GLM-4.6V 实测：当视觉模型学会“动手”，它离“顶尖”还差什么？》