智譜 GLM-4.6V

Cherry Studio 用戶而家可以透過內置嘅 CherryIN 服務免費體驗 智譜 GLM-4.6V——由 Z.ai（智譜 AI）喺 2025 年 12 月發布嘅視覺旗艦模型，MoE 架構、128K 原生多模態上下文、原生多模態工具調用，係圖文理解同多模態 Agent 場景嘅首選。

---

🚀 乜嘢係 GLM-4.6V？

GLM-4.6V 係 Z.ai GLM-V 系列最新一代視覺語言模型，原生支援文本 + 圖像統一建模，喺 GLM-4.5V 嘅基礎上進一步擴展上下文同工具調用能力。

• 架構：Mixture-of-Experts（MoE）

• 總參數量：106B

• 激活參數量：約 12B

• 上下文長度：128K tokens

• 開源授權：MIT

• 發布時間：2025 年 12 月 8–9 日

• 視覺編碼器：支援多分辨率圖像（最高 4K）

系列同時包含 GLM-4.6V-Flash（9B），面向本地同低延遲場景，免費可商用。

---

📚 延續 GLM-V 系列嘅多模態訓練體系

GLM-4.6V 沿用咗 GLM-4.1V-Thinking / GLM-4.5V 嘅技術路線，並且喺視覺同 Agent 方向做咗進一步強化：

1. 原生多模態建模：文本同圖像聯合訓練，支援圖文混合輸入

2. 上下文擴展：訓練上下文擴展至 128K tokens，單次可處理約 150 頁密集文檔、200 頁幻燈片或者 1 小時視頻

3. 原生多模態工具調用：工具可以直接接收同返回圖像，基於擴展嘅 MCP 協議以 URL 方式處理多模態產物

4. 強化學習增強：沿用 GLM-V 系列嘅可擴展 RL 流程

---

⚙️ 原生多模態，面向真實場景

GLM-4.6V 嘅多模態能力覆蓋日常同專業場景：

• ✅ 富文本內容理解：長文檔、多頁文本同圖文混排

• ✅ 視覺網頁搜索：結合視覺輸入進行聯網檢索同理解

• ✅ 前端復刻：由設計稿或者 UI 截圖生成前端代碼

• ✅ 長上下文多模態文檔分析：成份 PDF / 幻燈片 / 視頻級輸入

• ✅ 圖表與表格解析：結構化信息抽取

---

💡 原生多模態工具調用與 Agent 能力

GLM-4.6V 嘅核心升級之一，係 「視覺感知 → 可執行動作」 嘅閉環：工具調用原生支援圖像作為輸入同輸出，令多模態 Agent 喺真實業務中落地。

場景	推薦用法	示例
簡單圖文問答	直接對話	「呢張圖入面有乜？」
中等複雜任務	啟用工具調用	讀取圖表後檢索數據
複雜多模態 Agent	多工具 + MCP	截圖 → 理解 → 調用 API → 生成報告

---

🌟 高效 MoE，開放可用

• ⚡ MoE 稀疏激活：106B 總參數，僅激活約 12B

• 💰 透過 CherryIN 喺 Cherry Studio 入面免費使用

• 🖥️ 權重、推理代碼同 MCP 工具已經喺 GitHub 同 Hugging Face 開源，MIT 授權

---

🧠 聚焦實用能力：多模態助手

GLM-4.6V 喺實際使用中適合以下場景：

• 文檔助手：長文檔、掃描件、幻燈片成份閱讀同摘要

• 數據分析：識別同解讀圖表、儀表板截圖

• 前端與設計：根據 UI 截圖生成或者修改前端代碼

• 視覺搜索：結合圖像進行聯網檢索同信息整合

• 多模態 Agent：結合瀏覽器、代碼執行、檢索等工具完成複雜任務

---

🧭 點樣喺 Cherry Studio 入面使用？

1. 打開 Cherry Studio，入到 設定 → 模型服務。

2. 搵到 CherryIN 服務商並開啟。

3. 喺模型列表中揀選 智譜 GLM-4.6V。

4. 返去聊天界面，喺頂部模型選擇位切換做 GLM-4.6V，就可以喺對話中直接上傳圖片做圖文互動。

💡 提示：CherryIN 提供嘅免費模型額度由 Cherry Studio 官方承擔，適合日常體驗同評測；生產環境建議結合 Z.ai（智譜）官方 API 使用。

---

📘 立即體驗 智譜 GLM-4.6V，解鎖原生多模態同視覺 Agent 能力！