先了解这件事
AI 综述
清华大学与智谱研究人员于2026年10月26日在arXiv发表论文《Can Visual Generation Expand What Unified Multimodal Models Know?》,通讯作者为智谱首席科学家唐杰,论文介绍此前未公开的智谱内部模型GLM-Omni。该模型以GLM-4.1V-Thinking为基座、参数规模9B。在虚构世界MagicWorld测试中,图像生成平均正确率为54%,纯文字问答仅14.57%;数字任务中两者分别为72%和2%。采用图文交错对齐训练后,文字准确率升至26.86%;再让模型先画图再作答的视觉思维链方式,可提高到41.14%。目前该研究以论文形式公开,尚无后续进展披露。
AI 根据公开报道生成
最新动态 · 相关讨论
雷锋网 参与了这场讨论事件进展
1 个已确认进展
- 来源：36氪 · AI
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月27日
10月26日
36氪 · AI
唐杰署名论文披露智谱内部多模态模型 GLM-Omni
清华大学与智谱研究人员在 arXiv 发表论文《Can Visual Generation Expand What Unified Multimodal Models Know?》，通讯作者为智谱首席科学家唐杰，论文介绍此前未公开的智谱内部模型 GLM-Omni。该模型以 GLM-4.1V-Thinking 为基座、参数规模 9B，在虚构世界 MagicWorld 测试中图像生成平均正确率 54%，纯文字问答仅 14.57%，数字任务分别为 72% 和 2%。采用图文交错对齐训练后文字准确率升至 26.86%，再让模型先画图再作答的视觉思维链方式可提高到 41.14%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。