看完最新國產AI寫的公眾號文章，我慌了！

金磊 發自 凹非寺

量子位 | 公眾號 QbitAI

這一次，AI真的是快要砸掉我的飯碗了。

因為如果你現在想根據NeurIPS 2025的最佳論文寫一篇公眾號文章，只需要把它丟給AI并且附上一句話：

幫我解讀這篇論文，并寫一個圖文并茂的微信公眾號推送來介紹這篇文章。

只需靜候幾分鐘，AI就水靈靈地把完整的微信公眾號科普文章給呈現了出來，來感受一下這個feel（上下滑動瀏覽）：

不得不說啊，這個AI從標題開始就真的把最最最重要的關鍵信息“NeurIPS 2025最佳論文”精準抓了出來。

并且“Gates一下”，更是把名詞動詞化，是有點語言編輯功底在身上的。

回頭細看這個AI處理的過程。

首先，它會根據這篇論文的內容，先處理文字的部分，將文章分為了引言、核心問題、破局之道、實驗結果、深入分析、結論與展望這六大部分，是符合一篇論文解讀文章的邏輯。

然后AI會把論文中要引用的圖片和表格進行適當的裁剪和標注，并插進文章里面，還會在圖片下方附上圖注：

一氣呵成，真的是“文字+圖片+排版”一氣呵成。

那么這到底是何許AI是也？

不賣關子，它就是智譜最新升級的新一代視覺推理模型——GLM-4.6V。

在深度體驗一波之后，我們發現寫圖文并茂的公眾號推文，還只是GLM-4.6V能力的一隅。

接下來，老規矩，一波實測，走起~

學生黨看論文，更方便了

首先來到智譜的官網（https://chat.z.ai/），在左上方模型下拉菜單中選擇GLM-4.6V。

然后根據任務的需求，我們可以在輸入框下方快速選擇任務類型，也可以在工具選項中勾選圖像識別、圖像處理、圖像搜索或購物搜索等工具。

像剛才我們寫公眾號文章時，就選擇了“文檔智讀”功能（會默認勾選“圖像處理”工具）。

研究論文、報告，更方便了

同樣是在“文檔智讀”功能下，看論文這件事已經變得太便捷了。

例如我們上傳Transformer和Mamba兩篇論文，然后附上一句Prompt：

結合這兩篇論文的圖表，對比一下Transformer和Mamba模型的異同，并幫我思考一下大模型架構下一步該如何發展？

同樣是幾分鐘后，一份圖文并茂的對比分析就誕生了（上下滑動瀏覽）：

可以看到，GLM-4.6V先是對Transformer和Mamba架構分別做了核心特點的介紹；然后以表格和圖文的形式對二者進行了關鍵維度上的對比；最后也是對大模型架構的未來發展方向做出了總結。

如此功能之下，不僅僅是對比看論文，像是研究、分析報告這類任務也會派上大用場。

這一次，我直接“喂”給GLM-4.6V四份財報（蘋果、谷歌、亞馬遜和Meta）：

幫我對比這四家公司Q3財報，圖表形式做分析。

GLM-4.6V的思考過程同樣是調取了各個財報中的關鍵圖表和數據，然后先是匯總成了一份對比表格，再對關鍵指標做了逐一的解析，最終給出了關鍵性結論。

甚至你可以不用提供任何資料，只需要一句話就能生成報告：

搜索一下最近新出“豆包AI手機”，并生成圖文并茂的報告。

由此可見，在GLM-4.6V的加持之下，解讀論文、報告，統統都變成了一句話的事兒。

一張圖復刻B站網頁版

GLM-4.6V還有一個特別有意思的功能，它只需要看一眼網站，就能高度復刻出來！

我們先截取B站首頁的截圖：

然后開啟“圖片識別”和“圖片處理”兩個工具，并簡單一句話下達指令：

復刻這個網站，網站里包含的圖片也要復刻出來。

然后GLM-4.6V就開始唰唰唰地“敲代碼”：

同樣是幾分鐘的時間，一個高度還原B站首頁的完整HTML和CSS代碼就搞定了：

我們還可以對初始結果做進一步的優化，例如來上一句：

把主題變成深色模式。

再細如頁面里的排版布局，統統都可以通過自然語言的方式來做調整。

不得不說，這種玩法可以給前端程序員省了不少的工作量；而且還有個福利哦——價格更便宜了。

GLM-4.6V系列相較于GLM-4.5V降價50%，API 調用價格低至輸入 1 元/百萬tokens，輸出 3 元/百萬 tokens。

而且據說GLM-4.6V已經進入到智譜的Coding Plan套餐里嘍~

長視頻也是能hold住

在文檔、圖片之后，另一種多模態——視頻，GLM-4.6V也能處理。

我們以Ilya在多倫多大學的一段演講為例：

視頻地址：https://mp.weixin.qq.com/s/Lboi50dy3SZoODxAJUheBQ

這一次，我們點擊輸入框下面的“視頻理解”功能，然后讓GLM-4.6V來對視頻內容做總結：

10分鐘時長的視頻內容，GLM-4.6V只需要幾十秒的時間就能將其總結到位：

進一步的，你還可以要求GLM-4.6V來翻譯視頻中Ilya演講的所有內容：

以后看AI大佬英文演講的視頻，真的是方便太多了。

萬物皆可GLM-4.6V

除了我們上面提到的案例之外，還有好多好多真實場景都能用的上GLM-4.6V.

例如想解一下一道考研數學真題的解法，咱們就把題目截圖丟給它：

幫我解答這道題。

GLM-4.6V會很快分析解題的詳細過程并給出正確答案：C。

再如你看到一張可視化的圖表，想要把它轉換成數據：

同樣的操作，同樣一句話，就可以完成了：

值得一提的是，哪怕是手機拍照拍下來的圖片、表格等，也都是可以一鍵OCR的哦~

包括古文手稿：

GLM-4.6V知道需要按照從右到左、從上到下的順序來閱讀：

還有視覺任務中經常用的目標檢測，在GLM-4.6V這里也是可以搞定的。

例如我們給一張貓咪們的合影，然后Prompt如下：

識別圖中所有貓的品種。請以合法的JSON格式返回結果，結果是一個list，每一個list元素對應一個目標檢測結果dict，dict的key由label、bbox_2d組成，值分別為檢測到的貓的品種和結果坐標框。例如：[
{‘label’: ‘金漸層-1’, ‘bbox_2d’: [1,2,3,4]}, {‘label’: ‘金漸層-2’, ‘bbox_2d’: [4,5,6,7]}]

不一會兒的功夫，GLM-4.6V就會框出所有貓咪：

{“label”: “虎斑貓-1”, “bbox_2d”: [95,152,192,825]},?
{“label”: “虎斑貓-2”, “bbox_2d”: [185,332,310,852]},?
{“label”: “暹羅貓-1”, “bbox_2d”: [295,352,428,902]},?
{“label”: “美短-1”, “bbox_2d”: [415,520,508,922]},?
{“label”: “緬因貓-1”, “bbox_2d”: [498,262,603,852]},?
{“label”: “英短-1”, “bbox_2d”: [603,452,697,872]},?
{“label”: “挪威森林貓-1”, “bbox_2d”: [685,120,797,832]},?
{“label”: “虎斑貓-3”, “bbox_2d”: [802,482,882,832]}

再經過渲染，我們就得到了經典的目標檢測效果：

已經是開源里的SOTA了

從整體實測過程和結果來看，GLM-4.6V在體感上是非常絲滑的。

而之所以如此，也離不開它背后自身實力的迭代升級。

這次智譜升級的GLM-4.6V分為了兩個版本，分別是：

• GLM-4.6V（106B-A12B）：面向云端與高性能集群場景的基礎版
• GLM-4.6V-Flash（9B）：面向本地部署與低延遲應用的輕量版

智譜不僅將這個版本的視覺推理模型的上下文窗口大小提升到了128K tokens，在MMBench、MathVista、OCRBench等30多個主流多模態評測Benchmark中，也是取得了同級別SOTA的結果！

其中9B版本的GLM-4.6V-Flash整體表現超過Qwen3-VL-8B，106B參數12B激活的GLM-4.6V表現比肩2倍參數量的Qwen3-VL-235B。

除了評測榜單結果之外，智譜還將GLM-4.6V背后的技術細節也亮了出來——

首次在模型架構中將Function Call（工具調用）能力原生融入視覺模型，打通從“視覺感知”到“可執行行動”（Action）的鏈路，為真實業務場景中的多模態 Agent 提供統一的技術底座。

評測結果、技術實力固然重要，但到了AI發展的現階段，到底實不實用、好不好用才是真正能讓AI應用殺出自己一片天地的護城河。

從這次深度實測結果來看，GLM-4.6V，絕對是做到了這一點的那個AI。

最后，如果小伙伴對GLM-4.6V感興趣，鏈接就放下面了，趕緊去體驗吧~

GLM-4.6V地址：
https://chat.z.ai