看完最新国产AI写的公众号文章 我慌了
摘要：
这一次，AI真的是快要砸掉我的饭碗了。因为如果你现在想根据NeurIPS 2025的最佳论文写一篇公众号文章，只需要把它丢给AI并且附上一句话：帮我解读这篇论文，并写一个图文并... 这一次，AI真的是快要砸掉我的饭碗了。
因为如果你现在想根据NeurIPS 2025的最佳论文写一篇公众号文章，只需要把它丢给AI并且附上一句话：
帮我解读这篇论文，并写一个图文并茂的微信公众号推送来介绍这篇文章。
只需静候几分钟，AI就水灵灵地把完整的微信公众号科普文章给呈现了出来，来感受一下这个feel（上下滑动浏览）：
不得不说啊，这个AI从标题开始就真的把最最最重要的关键信息NeurIPS 2025最佳论文精准抓了出来。
并且Gates一下，更是把名词动词化，是有点语言编辑功底在身上的。
回头细看这个AI处理的过程。
首先，它会根据这篇论文的内容，先处理文字的部分，将文章分为了引言、核心问题、破局之道、实验结果、深入分析、结论与展望这六大部分，是符合一篇论文解读文章的逻辑。
然后AI会把论文中要引用的图片和表格进行适当的裁剪和标注，并插进文章里面，还会在图片下方附上图注：
一气呵成，真的是文字+图片+排版一气呵成。
那么这到底是何许AI是也？
不卖关子，它就是智谱最新升级的新一代视觉推理模型——GLM-4.6V。
在深度体验一波之后，我们发现写图文并茂的公众号推文，还只是GLM-4.6V能力的一隅。
接下来，老规矩，一波实测，走起~
学生党看论文，更方便了
首先来到智谱的官网（https://chat.z.ai/'>https://chat.z.ai/），在左上方模型下拉菜单中选择GLM-4.6V。
然后根据任务的需求，我们可以在输入框下方快速选择任务类型，也可以在工具选项中勾选图像识别、图像处理、图像搜索或购物搜索等工具。
像刚才我们写公众号文章时，就选择了文档智读功能（会默认勾选图像处理工具）。
研究论文、报告，更方便了
同样是在文档智读功能下，看论文这件事已经变得太便捷了。
例如我们上传Transformer和Mamba两篇论文，然后附上一句Prompt：
结合这两篇论文的图表，对比一下Transformer和Mamba模型的异同，并帮我思考一下大模型架构下一步该如何发展？
同样是几分钟后，一份图文并茂的对比分析就诞生了（上下滑动浏览）：
可以看到，GLM-4.6V先是对Transformer和Mamba架构分别做了核心特点的介绍；然后以表格和图文的形式对二者进行了关键维度上的对比；最后也是对大模型架构的未来发展方向做出了总结。
如此功能之下，不仅仅是对比看论文，像是研究、分析报告这类任务也会派上大用场。
这一次，我直接喂给GLM-4.6V四份财报（苹果、谷歌、亚马逊和Meta）：
帮我对比这四家公司Q3财报，图表形式做分析。
GLM-4.6V的思考过程同样是调取了各个财报中的关键图表和数据，然后先是汇总成了一份对比表格，再对关键指标做了逐一的解析，最终给出了关键性结论。
甚至你可以不用提供任何资料，只需要一句话就能生成报告：
搜索一下最近新出豆包AI手机，并生成图文并茂的报告。
由此可见，在GLM-4.6V的加持之下，解读论文、报告，统统都变成了一句话的事儿。
一张图复刻B站网页版
GLM-4.6V还有一个特别有意思的功能，它只需要看一眼网站，就能高度复刻出来！
我们先截取B站首页的截图：
然后开启图片识别和图片处理两个工具，并简单一句话下达指令：
复刻这个网站，网站里包含的图片也要复刻出来。
然后GLM-4.6V就开始唰唰唰地敲代码：
同样是几分钟的时间，一个高度还原B站首页的完整HTML和CSS代码就搞定了：
我们还可以对初始结果做进一步的优化，例如来上一句：
把主题变成深色模式。
再细如页面里的排版布局，统统都可以通过自然语言的方式来做调整。
不得不说，这种玩法可以给前端程序员省了不少的工作量；而且还有个福利哦——价格更便宜了。
GLM-4.6V系列相较于GLM-4.5V降价50%，API 调用价格低至输入 1 元/百万tokens，输出 3 元/百万 tokens。
而且据说GLM-4.6V已经进入到智谱的Coding Plan套餐里喽~
长视频也是能hold住
在文档、图片之后，另一种多模态——视频，GLM-4.6V也能处理。
我们以Ilya在多伦多大学的一段演讲为例：
10分钟时长的视频内容，GLM-4.6V只需要几十秒的时间就能将其总结到位：
进一步的，你还可以要求GLM-4.6V来翻译视频中Ilya演讲的所有内容：
以后看AI大佬英文演讲的视频，真的是方便太多了。
万物皆可GLM-4.6V
除了我们上面提到的案例之外，还有好多好多真实场景都能用的上GLM-4.6V.
例如想解一下一道考研数学真题的解法，咱们就把题目截图丢给它：
帮我解答这道题。
GLM-4.6V会很快分析解题的详细过程并给出正确答案：C。
再如你看到一张可视化的图表，想要把它转换成数据：
同样的操作，同样一句话，就可以完成了：
值得一提的是，哪怕是手机拍照拍下来的图片、表格等，也都是可以一键OCR的哦~
包括古文手稿：
GLM-4.6V知道需要按照从右到左、从上到下的顺序来阅读：
还有视觉任务中经常用的目标检测，在GLM-4.6V这里也是可以搞定的。
例如我们给一张猫咪们的合影，然后Prompt如下：
识别图中所有猫的品种。请以合法的JSON格式返回结果，结果是一个list，每一个list元素对应一个目标检测结果dict，dict的key由label、bbox_2d组成，值分别为检测到的猫的品种和结果坐标框。例如：[
{‘label’: ‘金渐层-1’, ‘bbox_2d’: [1,2,3,4]}, {‘label’: ‘金渐层-2’, ‘bbox_2d’: [4,5,6,7]}]
不一会儿的功夫，GLM-4.6V就会框出所有猫咪：
{label: 虎斑猫-1, bbox_2d: [95,152,192,825]},;{label: 虎斑猫-2, bbox_2d: [185,332,310,852]},;{label: 暹罗猫-1, bbox_2d: [295,352,428,902]},;{label: 美短-1, bbox_2d: [415,520,508,922]},;{label: 缅因猫-1, bbox_2d: [498,262,603,852]},;{label: 英短-1, bbox_2d: [603,452,697,872]},;{label: 挪威森林猫-1, bbox_2d: [685,120,797,832]},;{label: 虎斑猫-3, bbox_2d: [802,482,882,832]}再经过渲染，我们就得到了经典的目标检测效果：
已经是开源里的SOTA了
从整体实测过程和结果来看，GLM-4.6V在体感上是非常丝滑的。
而之所以如此，也离不开它背后自身实力的迭代升级。
这次智谱升级的GLM-4.6V分为了两个版本，分别是：
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
智谱不仅将这个版本的视觉推理模型的上下文窗口大小提升到了128K tokens，在MMBench、MathVista、OCRBench等30多个主流多模态评测Benchmark中，也是取得了同级别SOTA的结果！
其中9B版本的GLM-4.6V-Flash整体表现超过Qwen3-VL-8B，106B参数12B激活的GLM-4.6V表现比肩2倍参数量的Qwen3-VL-235B。
除了评测榜单结果之外，智谱还将GLM-4.6V背后的技术细节也亮了出来——
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。
评测结果、技术实力固然重要，但到了AI发展的现阶段，到底实不实用、好不好用才是真正能让AI应用杀出自己一片天地的护城河。
从这次深度实测结果来看，GLM-4.6V，绝对是做到了这一点的那个AI。
最后，如果小伙伴对GLM-4.6V感兴趣，链接就放下面了，赶紧去体验吧~
GLM-4.6V地址：
