12月8日，智谱AI发布并开源 GLM-4.6V 系列多模态大模型，沐曦股份曦云C系列GPU完成Day 0适配。

GLM-4.6V 系列多模态大模型共包含两款模型：

• GLM-4.6V（106B-A12B）：面向云端与高性能集群场景的基础版；
• GLM-4.6V-Flash（9B）：面向本地部署与低延迟应用的轻量版。

作为 GLM 系列在多模态方向上的一次重要迭代，GLM-4.6V 将训练时上下文窗口提升到 128k tokens，在视觉理解精度上达到同参数规模SOTA，并首次在模型架构中将Function Call（工具调用）能力原生融入视觉模型，打通从「视觉感知」到「可执行行动（Action）」的链路，为真实业务场景中的多模态 Agent 提供统一的技术底座。

一、原生多模态工具调用

传统工具调用大多基于纯文本，在面对图像、视频、复杂文档等多模态内容时，需要多次中间转换，带来信息损失和工程复杂度。

GLM-4.6V 从设计之初就围绕「图像即参数，结果即上下文」，构建了原生多模态工具调用能力：

• 输入多模态：图像、截图、文档页面等可以直接作为工具参数，无需先转为文字描述再解析，减少链路损耗。
• 输出多模态：对于工具返回的统计图表、渲染后网页截图、检索到的商品图片等结果，模型能够再次进行视觉理解，将其纳入后续推理链路。

模型原生支持基于视觉输入的工具调用，完整打通从感知到理解到执行的闭环。这使得 GLM-4.6V 能够应对图文混排输出、商品识别与好价推荐、以及辅助型 Agent 场景等更复杂的视觉任务。

二、同规模开源SOTA

GLM-4.6V 在 MMBench、MathVista、OCRBench 等30+主流多模态评测基准上进行了验证，较上一代模型取得显著提升。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。

三、MXMACA 软件栈加速国产模型落地

MXMACA 软件栈作为沐曦股份全栈 GPU 解决方案的核心，在vLLM, sglang 等主流AI推理框架中展现出快速适配的优势，其 GPU 架构和优化设计和良好的生态兼容性确保了高效、灵活的推理部署。此次沐曦股份曦云C系列GPU完成 Day 0 适配智谱 GLM-4.6V 系列多模态大模型再次印证了这一优势。MXMACA 软件栈将继续以开放式架构和持续迭代优化，赋能推理框架、模型、应用开发到运维的全生命周期，助力开发者构建更具竞争力的AI 产品。