2025年12月8日 · 智谱 AI / Z.ai
GLM-4.6V 开源：智谱让视觉理解直接进入工具调用
智谱于 2025 年 12 月发布并开源 GLM-4.6V 与 9B 的 GLM-4.6V-Flash。
EVENT STORY
发展脉络
- 首次出现GLM-4.6V 开源：智谱让视觉理解直接进入工具调用Z.ai Model Release Notes
- 当前判断视觉 Agent 的竞争焦点从识别准确率转向界面理解、动作规划和工具执行结果，轻量版本也扩大了本地部署和低延迟场景。Agent Pulse · 分析
多模态模型从识图问答推进到视觉驱动的工具使用，智谱试图把截图、文档、图表和界面理解连接到可执行 Agent 工作流。
GLM-4.6V 在 128K 上下文中加入原生多模态 Function Calling，支持把图片、截图和文档页作为工具输入，并解释工具返回的视觉结果。
视觉 Agent 的竞争焦点从识别准确率转向界面理解、动作规划和工具执行结果，轻量版本也扩大了本地部署和低延迟场景。
适合先在可回滚的文档和后台流程试点，涉及支付、删除或外部发布时仍需明确人工确认。
观察 GUI 操作成功率、视觉提示注入防护、文档长链任务和 9B 版本在端侧的真实吞吐。