智谱多模态开源周正式上线并开源 GLM-4.6V 系列多模态大模型，包括：GLM-4.6V（106B-A12B）、GLM-4.6V-Flash（9B）。
模型亮点：
- 自主调用工具：模型原生支持基于视觉输入的工具调用，能够处理图文混排、识图购物与导购以及 Agent 场景等更为复杂的视觉任务。
- 128k 上下文窗口：理论上可理解 150 页复杂文档、200 页 PPT 或一小时视频，能够在单次推理中处理多个长文档或长视频。
- 代码能力提升：前端复刻与多轮视觉交互修改能力优化，帮助开发者缩短「设计稿到可运行页面」的链路。
- 同级别 SOTA：在同等参数规模下，模型在多模态交互、逻辑推理和长上下文等关键能力上取得 SOTA 表现。
开源资源
我们在主流社区提供 GLM-4.6V 的模型权重、推理代码与示例工程，便于快速集成：
GitHub：https://github.com/zai-org/GLM-V
Hugging Face：https://huggingface.co/collections/zai-org/glm-46v
魔搭社区：https://modelscope.cn/collections/GLM-46V-37fabc27818446
已支持的推理框架包括 SGLang、vLLM、transformers、xLLM，开发者可以在 GPU 与多种国产 NPU 环境下按需部署 GLM-4.6V 与 GLM-4.6V-Flash。
开放平台调用
除了本地部署，我们也提供云端托管推理与 API，方便直接接入业务：
开放平台：https://docs.bigmodel.cn/cn/guide/models/vlm/glm-4.6v
Coding Plan 视觉理解 MCP：https://docs.bigmodel.cn/cn/coding-plan/mcp/vision-mcp-server
在线体验入口
z.ai：选择 GLM-4.6V 模型，即刻体验多模态理解与工具调用能力；
智谱清言 APP / 网页版：上传图片或视频，开启「推理模式」，体验多模态推理与长上下文能力。
技术 blog：z.ai/blog/glm-4.6v
