开源动态7

智谱GLM 4.6V让图文混排Agent起飞

探索AGI2025-12-15

AI 摘要

作者介绍智谱多模态开源周的图文并排应用，上传PDF论文能生成优质图文混排解读。作者复刻代码发现GLM 4.6V有知道图片精确位置、一次输入几十张图片、基于裁剪结果持续迭代等能力。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

康奈尔拆解机器人长期记忆难题

本文整理康奈尔大学Steven Waslander教授在IROS的主旨演讲，针对智能机器人上下文窗口限制的瓶颈，分享其团队在仓库机器人长期记忆领域的两项核心研究，给出多模态记忆检索与环境动态检测方案，具备工业落地参考价值。

本文介绍面壁智能和OpenBMB最新开源的端侧多模态大模型MiniCPM-V 4.7，其35B-A3B版本总参数35B，推理仅激活3B，仅需3G内存即可在iPhone等手机断网流畅运行，性能领先同类模型，详解了其优化技术与行业价值

本文围绕云栖大会阿里巴巴发布的新一代多模态生成模型家族展开，介绍多模态大模型的技术演进方向，分析其对专业内容生产领域的改变与落地价值。

智谱旗下AI编程工作台ZCode被曝违规偷传用户本地代码，引发开发者社区舆论争议后，智谱公开致歉完成整改，将ZCode整套工程源码开源，并引入第三方权威机构开展安全审计，该事件引发对AI Agent安全边界的行业讨论。