智谱大模型突然开源，性能追平顶尖水准，图片却难显示

　　哈喽，大家好，今天小墨这篇评论，主要来分析智谱GLM-4.6V开源爆火，性能惊艳却藏小遗憾。

　　AI圈刚炸了个大消息，智谱毫无预兆地把重磅多模态大模型GLM-4.6V系列开源了。这波操作直接让不少开发者连夜蹲守下载，毕竟能免费用到接近顶尖水准的模型，放在以前想都不敢想。

　　更让人意外的是，连去年就火过一把的AutoGLM智能体也同步开源。这款被业内视为“全球首个具备手机操作能力的AI Agent”的工具，功能类似刚发布技术预览版的豆包手机助手，这下普通用户也能上手体验了。

　　双版本开源诚意拉满，价格直接打到底

　　这次智谱一次性放出两个版本的GLM-4.6V模型，针对性做得很明确。基础版GLM-4.6V（106B-A12B）主打云端和高性能集群场景，轻量版GLM-4.6V-Flash（9B）则适合本地部署，满足低延迟应用需求。

　　最关键的是价格诚意，GLM-4.6V系列比上一代GLM-4.5V降价50%，API调用输入仅1元/百万tokens，输出3元/百万tokens。轻量版更直接全面免费，这对个人开发者和小团队来说，简直是降维福利。

　　开源地址也给得很全，GitHub、Hugging Face和魔搭社区都能找到，体验地址 直接就能上手试。有个做自媒体的朋友，看到消息后立马下载了轻量版部署到自己的电脑上，不用再担心调用API的费用问题。

　　值得一提的是，AutoGLM的开源也填补了手机端AI Agent的开源空白。每日经济新闻12月1日报道，字节跳动刚发布豆包手机助手技术预览版，主要和手机厂商合作推进。

　　而AutoGLM作为更早出现的同类工具，如今开源后，开发者或许能基于它做出更多个性化的手机助手功能。

　　性能硬实力够顶，多项测试反超同类模型

　　GLM-4.6V的性能确实对得起大家的期待，官方数据显示它在多模态交互、逻辑推理和长上下文等关键能力上都取得了SOTA表现。这可不是空口说白话，有实打实的测试数据支撑。

　　9B版本的GLM-4.6V-Flash在34项测试中，有22项分数超过了Qwen3-VL-8B。106B参数12B激活的基础版更厉害，表现和参数量是它两倍的Qwen3-VL-235B不相上下。

　　它的核心升级点很突出，上下文窗口提升到128k tokens，相当于能一次性处理150页文档、200页PPT或者一小时视频。还首次在模型架构中将Function Call能力原生融入视觉模型，工具调用更流畅。

　　有个做AI办公工具的小团队，用它测试长文档处理功能。他们上传了三篇网络平台治理领域的论文，包含两篇中文和一篇英文文献，让模型生成学习笔记。

　　结果不到三分钟，模型就输出了逻辑清晰的笔记，把每篇文献的核心观点都准确罗列了出来，英文文献也没有出现错漏。

　　在视频理解方面表现也很稳定，上传一段6分48秒的视频制作技巧分享视频，几秒钟内就能解析出视频思路、叙事技巧和镜头运用方式，还能给出成为摄影博主的建议。

　　体验藏遗憾，图片显示问题成最大槽点

　　虽然性能够顶，但实际体验中还是暴露了一些小问题，最明显的就是图片显示问题。官方介绍它支持智能图文混排与内容创作，可实际测试时却频频掉链子。

　　智东西的测试中，上传GLM-4.5V的技术报告，让它生成图文并茂的微信公众号文章。模型1到2分钟就完成了完整的文章框架，包含标题、导语、五个章节和结语，但不管怎么尝试，生成的图片就是无法显示。

　　不止一家媒体遇到这个问题，有科技博主测试长文档理解功能时，生成的学习笔记里，本该有的图片位置也是空白。除了图片显示问题，面对模糊指令时，模型的理解也会出现偏差。

　　比如测试网页复刻功能时，让它把X平台登录页面的图标X改为Z，模型却误生成了向上箭头的形状。

　　不过好在常规功能都很稳定，像识图购物比价功能，输入“搜索iPhone 17 Pro Max各平台价格”，就能自动生成包含商品链接的比价表格，点击就能跳转购买。

　　有电商从业者尝试用它搜索《疯狂动物城2》中尼克狐的同款眼镜，模型通过图像搜索功能，很快就找出了同款眼镜的实拍图，精准度还是值得肯定的。