产品介绍
GLM-4.6V 是 GLM 最新的开源多模态模型，拥有 128k 的上下文窗口。它具备原生函数调用能力，将视觉感知与可执行操作相结合，支持网络搜索、编码等复杂的 agent 工作流。
适合谁关注
- 开发者和技术团队
- 正在评估 AI 工具或智能体落地的团队
可借鉴场景
- 快速理解 GLM-4.6V 的定位、核心能力和 Product Hunt 热度
- 判断“具有原生工具调用能力的开源多模态模型”这类需求是否值得做竞品调研
- 沿着 开发者工具、AI 与智能体 继续发现同类产品和替代方案
- 筛选高票产品，观察海外用户当前愿意投票支持的产品形态
197
投票数
8
评论数
12月9日
发布日期
作者自荐
总结
GLM-4.6V 代表了开源多模态模型的一个重要进步。该模型通过将原生函数调用能力集成到视觉模型中，解决了多模态 AI 从感知到行动的关键鸿沟。128k 的上下文窗口使其能够处理更复杂的任务场景，而视觉-行动的无缝连接使得构建复杂的 agent 工作流成为可能。这对开发者特别有吸引力，因为它可以直接应用于网页自动化、设计代码转换等实际场景。作为开源项目，GLM-4.6V 的推出将进一步加速多模态 AI 在实际应用中的落地。其主要优势在于技术整合度高和开源可获得性，但在与商业闭源模型的竞争中，性能差距和生态支持仍需持续关注。
GitMemo免费开源
把 AI 对话保存到你的 Git 知识库
本地优先，支持 macOS 与 Android。剪贴板、截图、笔记和文件都能集中保存、搜索、同步。
获取安装包
大家好！ GLM-4.6V 是 GLM 多模态系列的重大迭代。它将训练上下文窗口扩展到 128k，在同等规模模型中实现了最先进的视觉理解能力。 最大的更新是原生函数调用功能。这是 GLM 架构中首次将工具使用直接集成到视觉模型中。这有效地弥合了"视觉感知"到"可执行操作"的鸿沟。 它能够自动生成高质量的图文交错内容，并独立处理完整的工作流程，如浏览产品、比较价格、生成购物清单等。前端复现和视觉交互能力也令人印象深刻，这大幅缩短了设计到代码的开发路径。 可以在 Z.ai 上尝试，或在 HF 上获取开源权重。