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

阿里开源Qwen3.8-27B，性能直逼顶尖模型

阿里Qwen团队开源Qwen3.8-27B，上线2天登顶Hugging Face全球大模型趋势榜，下载破百万。其性能超Opus4.6，与顶尖模型相当，量化后普通电脑就能跑，原生多模态，编程、Agent、多模态跑分表现出色。

前阿里Qwen负责人林俊旸创办Pragmatik Labs/语用科技，研究跨数字与物理世界的下一代agent。红杉中国、高榕创投领投，腾讯等跟投。其目标是用agent实现终极生产力，有独特技术底色与愿景。

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。

Qwen3.8-Max是Qwen家族迄今最强模型，2.4万亿参数，下周将开源权重。它在多项基准测试中表现出色，能连续自主工作数天，在编程、办公、科研、长周期任务、多模态等方面全面提升。