⬇ EPUB GitHub
← 模型目录

GLM-4.6V / GLM-4.6V-Flash

Z.ai / 智谱 GLM · 2025-12-08 · 类别未确认

官方发布来源 · 按需求选型 · 查看覆盖缺口 · 归档与转录记录

GLM-4.6V

智谱开源的 GLM-4.6V 系列多模态模型，官方定位为在相近参数规模中视觉理解与推理达到 SoTA 的通用视觉语言模型，主打原生多模态工具调用（图片、截图、文档页可直接作为工具入参）与 128k 长文档理解。官方评测大表覆盖 34 项开放权重基准，分通用 VQA、多模态推理、多模态智能体、长上下文、OCR 与图表、空间定位六组；本次收录 68 行图内读数（两个版本各 34 项），官方正文未给出明文分数。

输入模态
文本 / 图像 / 视频 / 文档
上下文
128k
参数
106B（A12B）
价格（每百万 tokens）
无此口径报价；不等于免费

本变体的评测证据

mmbench 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MMBench V1.1（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMBench V1.1 · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMBench V1.1 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.8；同表对照：GLM-4.6V 88.8、GLM-4.6V-Flash 86.9、GLM-4.5V 88.2、GLM-4.1V-9B-Thinking 85.8、Qwen3-VL-8B-Thinking 84.3*、Qwen3-VL-235B-A22B-Thinking 90.6、Kimi-VL-A3B-Thinking-2506 84.4、Step3 321B 81.1*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmbench 图表尚无可读数值 模型 glm-4-6v · 版本 CN · 指标 MMBench V1.1 (CN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMBench V1.1 (CN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMBench V1.1 (CN) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.2；同表对照：GLM-4.6V 88.2、GLM-4.6V-Flash 85.9、GLM-4.5V 88.3、GLM-4.1V-9B-Thinking 84.7、Qwen3-VL-8B-Thinking 83.3*、Qwen3-VL-235B-A22B-Thinking 87.2*、Kimi-VL-A3B-Thinking-2506 80.7*、Step3 321B 81.5*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmstar 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MMStar（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMStar · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMStar 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 75.9；同表对照：GLM-4.6V 75.9、GLM-4.6V-Flash 74.7、GLM-4.5V 75.3、GLM-4.1V-9B-Thinking 72.9、Qwen3-VL-8B-Thinking 75.3、Qwen3-VL-235B-A22B-Thinking 78.7、Kimi-VL-A3B-Thinking-2506 70.4、Step3 321B 69.0*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

blink 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 BLINK (Val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: BLINK (Val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，BLINK (Val) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 65.5；同表对照：GLM-4.6V 65.5、GLM-4.6V-Flash 65.5、GLM-4.5V 65.3、GLM-4.1V-9B-Thinking 65.1、Qwen3-VL-8B-Thinking 64.7、Qwen3-VL-235B-A22B-Thinking 67.1、Kimi-VL-A3B-Thinking-2506 53.5*、Step3 321B 62.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

muirbench 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MUIRBENCH（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MUIRBENCH · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MUIRBENCH 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 77.1；同表对照：GLM-4.6V 77.1、GLM-4.6V-Flash 75.7、GLM-4.5V 75.3、GLM-4.1V-9B-Thinking 74.7、Qwen3-VL-8B-Thinking 76.8、Qwen3-VL-235B-A22B-Thinking 80.1、Kimi-VL-A3B-Thinking-2506 63.8*、Step3 321B 75.0*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmmu 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MMMU (Val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MMMU (Val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MMMU (Val) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 76.0；同表对照：GLM-4.6V 76.0、GLM-4.6V-Flash 71.1、GLM-4.5V 75.4、GLM-4.1V-9B-Thinking 68.0、Qwen3-VL-8B-Thinking 74.1、Qwen3-VL-235B-A22B-Thinking 80.6、Kimi-VL-A3B-Thinking-2506 64.0、Step3 321B 74.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmmu-pro 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MMMU_Pro（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MMMU_Pro · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MMMU_Pro 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 66.0；同表对照：GLM-4.6V 66.0、GLM-4.6V-Flash 60.6、GLM-4.5V 65.2、GLM-4.1V-9B-Thinking 57.1、Qwen3-VL-8B-Thinking 60.4、Qwen3-VL-235B-A22B-Thinking 69.3、Kimi-VL-A3B-Thinking-2506 46.3、Step3 321B 58.6。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

video-mmmu 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 VideoMMMU（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: VideoMMMU · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，VideoMMMU 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 74.7；同表对照：GLM-4.6V 74.7、GLM-4.6V-Flash 70.1、GLM-4.5V 72.4、GLM-4.1V-9B-Thinking 61.0、Qwen3-VL-8B-Thinking 72.8、Qwen3-VL-235B-A22B-Thinking 80.0、Kimi-VL-A3B-Thinking-2506 65.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mathvista 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MathVista（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MathVista · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MathVista 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 85.2；同表对照：GLM-4.6V 85.2、GLM-4.6V-Flash 82.7、GLM-4.5V 84.6、GLM-4.1V-9B-Thinking 80.7、Qwen3-VL-8B-Thinking 81.4、Qwen3-VL-235B-A22B-Thinking 85.8、Kimi-VL-A3B-Thinking-2506 80.1、Step3 321B 79.2*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ai2d 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 AI2D（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: AI2D · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，AI2D 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.8；同表对照：GLM-4.6V 88.8、GLM-4.6V-Flash 89.2、GLM-4.5V 88.1、GLM-4.1V-9B-Thinking 87.9、Qwen3-VL-8B-Thinking 84.9、Qwen3-VL-235B-A22B-Thinking 89.2、Kimi-VL-A3B-Thinking-2506 81.9*、Step3 321B 83.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

dyna-math 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 DynaMath（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: DynaMath · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，DynaMath 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 54.5；同表对照：GLM-4.6V 54.5、GLM-4.6V-Flash 43.7、GLM-4.5V 53.9、GLM-4.1V-9B-Thinking 42.5、Qwen3-VL-8B-Thinking 41.1*、Qwen3-VL-235B-A22B-Thinking 56.5*、Kimi-VL-A3B-Thinking-2506 28.1*、Step3 321B 50.1。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

wemath 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 WeMath（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: WeMath · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，WeMath 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 69.8；同表对照：GLM-4.6V 69.8、GLM-4.6V-Flash 60.0、GLM-4.5V 68.8、GLM-4.1V-9B-Thinking 63.8、Qwen3-VL-8B-Thinking 66.5*、Qwen3-VL-235B-A22B-Thinking 74.5*、Kimi-VL-A3B-Thinking-2506 42.0*、Step3 321B 59.8。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: wemath（WeMath（多模态数学推理基准，考察图表与几何条件下的数学解题））

打开官方来源

zerobench-sub 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 ZeroBench (sub)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: ZeroBench (sub) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，ZeroBench (sub) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 25.8；同表对照：GLM-4.6V 25.8、GLM-4.6V-Flash 22.5、GLM-4.5V 23.4、GLM-4.1V-9B-Thinking 19.2、Qwen3-VL-235B-A22B-Thinking 27.7、Kimi-VL-A3B-Thinking-2506 16.2*、Step3 321B 23.0。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mm-browsecomp 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 MMBrowseComp（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: MMBrowseComp · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，MMBrowseComp 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 7.6；同表对照：GLM-4.6V 7.6、GLM-4.6V-Flash 7.1、Qwen3-VL-8B-Thinking 6.9*、Qwen3-VL-235B-A22B-Thinking 6.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

design2code 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 Design2Code（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Design2Code · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Design2Code 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.6；同表对照：GLM-4.6V 88.6、GLM-4.6V-Flash 69.8、GLM-4.5V 82.2、GLM-4.1V-9B-Thinking 64.7、Qwen3-VL-8B-Thinking 56.6*、Qwen3-VL-235B-A22B-Thinking 93.4、Kimi-VL-A3B-Thinking-2506 38.8*、Step3 321B 34.1*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: design2code（Design2Code（从界面截图复刻前端代码的基准，官方大表给出综合分））

打开官方来源

flame-react-eval 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 Flame-React-Eval（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Flame-React-Eval · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Flame-React-Eval 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 86.3；同表对照：GLM-4.6V 86.3、GLM-4.6V-Flash 78.8、GLM-4.5V 82.5、GLM-4.1V-9B-Thinking 72.5、Qwen3-VL-8B-Thinking 56.3*、Qwen3-VL-235B-A22B-Thinking 73.8*、Kimi-VL-A3B-Thinking-2506 36.3*、Step3 321B 63.8*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: flame-react-eval（Flame-React-Eval（多模态智能体在网页/界面操作任务上的评测集））

打开官方来源

osworld 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 OSWorld（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: OSWorld · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，OSWorld 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 37.2；同表对照：GLM-4.6V 37.2、GLM-4.6V-Flash 21.1、GLM-4.5V 35.8、GLM-4.1V-9B-Thinking 14.9、Qwen3-VL-8B-Thinking 33.9、Qwen3-VL-235B-A22B-Thinking 38.1、Kimi-VL-A3B-Thinking-2506 8.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

androidworld 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 AndroidWorld（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: AndroidWorld · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，AndroidWorld 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 57.0；同表对照：GLM-4.6V 57.0、GLM-4.6V-Flash 42.7、GLM-4.5V 57.0、GLM-4.1V-9B-Thinking 41.7、Qwen3-VL-8B-Thinking 50.0。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

webvoyager 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 WebVoyager（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: WebVoyager · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，WebVoyager 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 81.0；同表对照：GLM-4.6V 81.0、GLM-4.6V-Flash 71.8、GLM-4.5V 84.4、GLM-4.1V-9B-Thinking 69.0、Qwen3-VL-8B-Thinking 47.7*、Qwen3-VL-235B-A22B-Thinking 30.4*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

webquest-singleqa 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 Webquest-SingleQA（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Webquest-SingleQA · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Webquest-SingleQA 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 79.5；同表对照：GLM-4.6V 79.5、GLM-4.6V-Flash 75.1、GLM-4.5V 76.9、GLM-4.1V-9B-Thinking 72.1、Qwen3-VL-8B-Thinking 70.7*、Qwen3-VL-235B-A22B-Thinking 76.4*、Kimi-VL-A3B-Thinking-2506 35.6*、Step3 321B 58.7*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: webquest-singleqa（WebQuest-SingleQA（网页理解单问答子集））

打开官方来源

webquest-multiqa 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 Webquest-MultiQA（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Webquest-MultiQA · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Webquest-MultiQA 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 59.0；同表对照：GLM-4.6V 59.0、GLM-4.6V-Flash 53.4、GLM-4.5V 60.6、GLM-4.1V-9B-Thinking 54.7、Qwen3-VL-8B-Thinking 60.3*、Qwen3-VL-235B-A22B-Thinking 17.3*、Kimi-VL-A3B-Thinking-2506 11.1*、Step3 321B 52.8*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: webquest-multiqa（WebQuest-MultiQA（网页理解多问答子集））

打开官方来源

mmlongbench 图表尚无可读数值 模型 glm-4-6v · 版本 Doc · 指标 MMLongBench-Doc（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: MMLongBench-Doc · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，MMLongBench-Doc 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 54.9；同表对照：GLM-4.6V 54.9、GLM-4.6V-Flash 53.0、GLM-4.5V 44.7、GLM-4.1V-9B-Thinking 42.4、Qwen3-VL-8B-Thinking 48.0、Qwen3-VL-235B-A22B-Thinking 56.2、Kimi-VL-A3B-Thinking-2506 42.1、Step3 321B 31.8*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmlongbench 图表尚无可读数值 模型 glm-4-6v · 版本 128K · 指标 MMLongBench-128K（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: MMLongBench-128K · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，MMLongBench-128K 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 64.1；同表对照：GLM-4.6V 64.1、GLM-4.6V-Flash 63.4、Qwen3-VL-8B-Thinking 49.5*、Qwen3-VL-235B-A22B-Thinking 61.8*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

lvbench 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 LVBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: LVBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，LVBench 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 59.5；同表对照：GLM-4.6V 59.5、GLM-4.6V-Flash 49.5、GLM-4.5V 53.8、GLM-4.1V-9B-Thinking 44.0、Qwen3-VL-8B-Thinking 55.8、Qwen3-VL-235B-A22B-Thinking 63.6、Kimi-VL-A3B-Thinking-2506 47.6*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocrbench 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 OCRBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCRBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCRBench 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 86.5；同表对照：GLM-4.6V 86.5、GLM-4.6V-Flash 84.7、GLM-4.5V 86.5、GLM-4.1V-9B-Thinking 84.2、Qwen3-VL-8B-Thinking 81.9、Qwen3-VL-235B-A22B-Thinking 87.5、Kimi-VL-A3B-Thinking-2506 86.9、Step3 321B 83.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocr-bench-v2 图表尚无可读数值 模型 glm-4-6v · 版本 EN · 指标 OCR-Bench_v2 (EN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCR-Bench_v2 (EN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCR-Bench_v2 (EN) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 65.1；同表对照：GLM-4.6V 65.1、GLM-4.6V-Flash 63.5、GLM-4.5V 60.8、GLM-4.1V-9B-Thinking 57.4、Qwen3-VL-8B-Thinking 63.9、Qwen3-VL-235B-A22B-Thinking 66.8。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocr-bench-v2 图表尚无可读数值 模型 glm-4-6v · 版本 CN · 指标 OCR-Bench_v2 (CN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCR-Bench_v2 (CN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCR-Bench_v2 (CN) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 59.6；同表对照：GLM-4.6V 59.6、GLM-4.6V-Flash 59.5、GLM-4.5V 59.0、GLM-4.1V-9B-Thinking 54.6、Qwen3-VL-8B-Thinking 59.2、Qwen3-VL-235B-A22B-Thinking 63.5。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

chartqapro 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 ChartQAPro（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: ChartQAPro · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，ChartQAPro 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 65.5；同表对照：GLM-4.6V 65.5、GLM-4.6V-Flash 62.6、GLM-4.5V 64.0、GLM-4.1V-9B-Thinking 59.5、Qwen3-VL-8B-Thinking 58.4*、Qwen3-VL-235B-A22B-Thinking 63.6*、Kimi-VL-A3B-Thinking-2506 23.7*、Step3 321B 56.4*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: chartqapro（ChartQAPro（图表问答增强版基准））

打开官方来源

chartmuseum 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 ChartMuseum（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: ChartMuseum · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，ChartMuseum 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 58.4；同表对照：GLM-4.6V 58.4、GLM-4.6V-Flash 49.8、GLM-4.5V 55.3、GLM-4.1V-9B-Thinking 48.8、Qwen3-VL-8B-Thinking 46.7*、Kimi-VL-A3B-Thinking-2506 33.6*、Step3 321B 40.0*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: chartmuseum（ChartMuseum（图表理解与生成评测集））

打开官方来源

charxiv-reasoning 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 CharXiv_Val-Reasoning（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: CharXiv_Val-Reasoning · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，CharXiv_Val-Reasoning 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 63.2；同表对照：GLM-4.6V 63.2、GLM-4.6V-Flash 59.6、GLM-4.5V 58.4、GLM-4.1V-9B-Thinking 55.0、Qwen3-VL-8B-Thinking 53.0、Qwen3-VL-235B-A22B-Thinking 66.1、Kimi-VL-A3B-Thinking-2506 39.6*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

omnispatial 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 OmniSpatial（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: OmniSpatial · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，OmniSpatial 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 52.0；同表对照：GLM-4.6V 52.0、GLM-4.6V-Flash 50.6、GLM-4.5V 51.0、GLM-4.1V-9B-Thinking 47.7、Qwen3-VL-8B-Thinking 51.3*、Kimi-VL-A3B-Thinking-2506 37.3*、Step3 321B 47.0*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: omnispatial（OmniSpatial（空间感知与定位评测集））

打开官方来源

refcoco-avg 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 RefCOCO-avg (val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: RefCOCO-avg (val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，RefCOCO-avg (val) 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.6；同表对照：GLM-4.6V 88.6、GLM-4.6V-Flash 85.6、GLM-4.5V 91.3、GLM-4.1V-9B-Thinking 85.3、Qwen3-VL-8B-Thinking 89.3*、Qwen3-VL-235B-A22B-Thinking 92.4、Kimi-VL-A3B-Thinking-2506 33.6*、Step3 321B 20.2*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: refcoco-avg（RefCOCO-avg（指代表达定位基准的验证集平均值））

打开官方来源

treebench 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 TreeBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: TreeBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，TreeBench 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 51.4；同表对照：GLM-4.6V 51.4、GLM-4.6V-Flash 45.7、GLM-4.5V 50.1、GLM-4.1V-9B-Thinking 37.5、Qwen3-VL-8B-Thinking 34.3*、Qwen3-VL-235B-A22B-Thinking 50.9、Kimi-VL-A3B-Thinking-2506 41.5*、Step3 321B 41.3*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: treebench（TreeBench（树结构推理评测集））

打开官方来源

ref-l4-test 图表尚无可读数值 模型 glm-4-6v · 版本 未说明 · 指标 Ref-L4-test（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: Ref-L4-test · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，Ref-L4-test 行，GLM-4.6V 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V 88.9；同表对照：GLM-4.6V 88.9、GLM-4.6V-Flash 87.7、GLM-4.5V 89.5、GLM-4.1V-9B-Thinking 86.8、Qwen3-VL-8B-Thinking 88.6*、Qwen3-VL-235B-A22B-Thinking 90.4、Kimi-VL-A3B-Thinking-2506 51.3*、Step3 321B 12.2*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: ref-l4-test（Ref-L4-test（多层指代定位测试集））

打开官方来源

GLM-4.6V-Flash

GLM-4.6V 系列的 9B 轻量版本，面向本地部署与低延迟应用，与 106B 基础版共享原生多模态工具调用、图文交错生成与 128k 长上下文能力。官方评测大表里它与基础版逐项对照（图内读数已收录 34 行），在多模态智能体类基准上明显弱于基础版（如 OSWorld 21.1 对 37.2）。

输入模态
文本 / 图像 / 视频 / 文档
上下文
128k
参数
9B
价格（每百万 tokens）
无此口径报价；不等于免费

本变体的评测证据

mmbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MMBench V1.1（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMBench V1.1 · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMBench V1.1 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 86.9；同表对照：GLM-4.6V 88.8、GLM-4.6V-Flash 86.9、GLM-4.5V 88.2、GLM-4.1V-9B-Thinking 85.8、Qwen3-VL-8B-Thinking 84.3*、Qwen3-VL-235B-A22B-Thinking 90.6、Kimi-VL-A3B-Thinking-2506 84.4、Step3 321B 81.1*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 CN · 指标 MMBench V1.1 (CN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMBench V1.1 (CN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMBench V1.1 (CN) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 85.9；同表对照：GLM-4.6V 88.2、GLM-4.6V-Flash 85.9、GLM-4.5V 88.3、GLM-4.1V-9B-Thinking 84.7、Qwen3-VL-8B-Thinking 83.3*、Qwen3-VL-235B-A22B-Thinking 87.2*、Kimi-VL-A3B-Thinking-2506 80.7*、Step3 321B 81.5*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmstar 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MMStar（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MMStar · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MMStar 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 74.7；同表对照：GLM-4.6V 75.9、GLM-4.6V-Flash 74.7、GLM-4.5V 75.3、GLM-4.1V-9B-Thinking 72.9、Qwen3-VL-8B-Thinking 75.3、Qwen3-VL-235B-A22B-Thinking 78.7、Kimi-VL-A3B-Thinking-2506 70.4、Step3 321B 69.0*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

blink 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 BLINK (Val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: BLINK (Val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，BLINK (Val) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 65.5；同表对照：GLM-4.6V 65.5、GLM-4.6V-Flash 65.5、GLM-4.5V 65.3、GLM-4.1V-9B-Thinking 65.1、Qwen3-VL-8B-Thinking 64.7、Qwen3-VL-235B-A22B-Thinking 67.1、Kimi-VL-A3B-Thinking-2506 53.5*、Step3 321B 62.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

muirbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MUIRBENCH（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: General VQA（官方评测大表） · row: MUIRBENCH · figure: images/fig1-benchmarks.jpg（官方位图评测大表，General VQA 分组，MUIRBENCH 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 75.7；同表对照：GLM-4.6V 77.1、GLM-4.6V-Flash 75.7、GLM-4.5V 75.3、GLM-4.1V-9B-Thinking 74.7、Qwen3-VL-8B-Thinking 76.8、Qwen3-VL-235B-A22B-Thinking 80.1、Kimi-VL-A3B-Thinking-2506 63.8*、Step3 321B 75.0*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmmu 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MMMU (Val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MMMU (Val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MMMU (Val) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 71.1；同表对照：GLM-4.6V 76.0、GLM-4.6V-Flash 71.1、GLM-4.5V 75.4、GLM-4.1V-9B-Thinking 68.0、Qwen3-VL-8B-Thinking 74.1、Qwen3-VL-235B-A22B-Thinking 80.6、Kimi-VL-A3B-Thinking-2506 64.0、Step3 321B 74.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmmu-pro 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MMMU_Pro（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MMMU_Pro · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MMMU_Pro 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 60.6；同表对照：GLM-4.6V 66.0、GLM-4.6V-Flash 60.6、GLM-4.5V 65.2、GLM-4.1V-9B-Thinking 57.1、Qwen3-VL-8B-Thinking 60.4、Qwen3-VL-235B-A22B-Thinking 69.3、Kimi-VL-A3B-Thinking-2506 46.3、Step3 321B 58.6。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

video-mmmu 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 VideoMMMU（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: VideoMMMU · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，VideoMMMU 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 70.1；同表对照：GLM-4.6V 74.7、GLM-4.6V-Flash 70.1、GLM-4.5V 72.4、GLM-4.1V-9B-Thinking 61.0、Qwen3-VL-8B-Thinking 72.8、Qwen3-VL-235B-A22B-Thinking 80.0、Kimi-VL-A3B-Thinking-2506 65.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mathvista 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MathVista（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: MathVista · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，MathVista 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 82.7；同表对照：GLM-4.6V 85.2、GLM-4.6V-Flash 82.7、GLM-4.5V 84.6、GLM-4.1V-9B-Thinking 80.7、Qwen3-VL-8B-Thinking 81.4、Qwen3-VL-235B-A22B-Thinking 85.8、Kimi-VL-A3B-Thinking-2506 80.1、Step3 321B 79.2*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ai2d 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 AI2D（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: AI2D · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，AI2D 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 89.2；同表对照：GLM-4.6V 88.8、GLM-4.6V-Flash 89.2、GLM-4.5V 88.1、GLM-4.1V-9B-Thinking 87.9、Qwen3-VL-8B-Thinking 84.9、Qwen3-VL-235B-A22B-Thinking 89.2、Kimi-VL-A3B-Thinking-2506 81.9*、Step3 321B 83.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

dyna-math 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 DynaMath（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: DynaMath · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，DynaMath 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 43.7；同表对照：GLM-4.6V 54.5、GLM-4.6V-Flash 43.7、GLM-4.5V 53.9、GLM-4.1V-9B-Thinking 42.5、Qwen3-VL-8B-Thinking 41.1*、Qwen3-VL-235B-A22B-Thinking 56.5*、Kimi-VL-A3B-Thinking-2506 28.1*、Step3 321B 50.1。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

wemath 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 WeMath（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: WeMath · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，WeMath 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 60.0；同表对照：GLM-4.6V 69.8、GLM-4.6V-Flash 60.0、GLM-4.5V 68.8、GLM-4.1V-9B-Thinking 63.8、Qwen3-VL-8B-Thinking 66.5*、Qwen3-VL-235B-A22B-Thinking 74.5*、Kimi-VL-A3B-Thinking-2506 42.0*、Step3 321B 59.8。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: wemath（WeMath（多模态数学推理基准，考察图表与几何条件下的数学解题））

打开官方来源

zerobench-sub 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 ZeroBench (sub)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Reasoning（官方评测大表） · row: ZeroBench (sub) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Reasoning 分组，ZeroBench (sub) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 22.5；同表对照：GLM-4.6V 25.8、GLM-4.6V-Flash 22.5、GLM-4.5V 23.4、GLM-4.1V-9B-Thinking 19.2、Qwen3-VL-235B-A22B-Thinking 27.7、Kimi-VL-A3B-Thinking-2506 16.2*、Step3 321B 23.0。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mm-browsecomp 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 MMBrowseComp（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: MMBrowseComp · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，MMBrowseComp 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 7.1；同表对照：GLM-4.6V 7.6、GLM-4.6V-Flash 7.1、Qwen3-VL-8B-Thinking 6.9*、Qwen3-VL-235B-A22B-Thinking 6.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

design2code 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 Design2Code（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Design2Code · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Design2Code 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 69.8；同表对照：GLM-4.6V 88.6、GLM-4.6V-Flash 69.8、GLM-4.5V 82.2、GLM-4.1V-9B-Thinking 64.7、Qwen3-VL-8B-Thinking 56.6*、Qwen3-VL-235B-A22B-Thinking 93.4、Kimi-VL-A3B-Thinking-2506 38.8*、Step3 321B 34.1*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: design2code（Design2Code（从界面截图复刻前端代码的基准，官方大表给出综合分））

打开官方来源

flame-react-eval 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 Flame-React-Eval（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Flame-React-Eval · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Flame-React-Eval 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 78.8；同表对照：GLM-4.6V 86.3、GLM-4.6V-Flash 78.8、GLM-4.5V 82.5、GLM-4.1V-9B-Thinking 72.5、Qwen3-VL-8B-Thinking 56.3*、Qwen3-VL-235B-A22B-Thinking 73.8*、Kimi-VL-A3B-Thinking-2506 36.3*、Step3 321B 63.8*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: flame-react-eval（Flame-React-Eval（多模态智能体在网页/界面操作任务上的评测集））

打开官方来源

osworld 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 OSWorld（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: OSWorld · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，OSWorld 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 21.1；同表对照：GLM-4.6V 37.2、GLM-4.6V-Flash 21.1、GLM-4.5V 35.8、GLM-4.1V-9B-Thinking 14.9、Qwen3-VL-8B-Thinking 33.9、Qwen3-VL-235B-A22B-Thinking 38.1、Kimi-VL-A3B-Thinking-2506 8.2。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

androidworld 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 AndroidWorld（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: AndroidWorld · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，AndroidWorld 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 42.7；同表对照：GLM-4.6V 57.0、GLM-4.6V-Flash 42.7、GLM-4.5V 57.0、GLM-4.1V-9B-Thinking 41.7、Qwen3-VL-8B-Thinking 50.0。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

webvoyager 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 WebVoyager（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: WebVoyager · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，WebVoyager 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 71.8；同表对照：GLM-4.6V 81.0、GLM-4.6V-Flash 71.8、GLM-4.5V 84.4、GLM-4.1V-9B-Thinking 69.0、Qwen3-VL-8B-Thinking 47.7*、Qwen3-VL-235B-A22B-Thinking 30.4*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

webquest-singleqa 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 Webquest-SingleQA（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Webquest-SingleQA · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Webquest-SingleQA 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 75.1；同表对照：GLM-4.6V 79.5、GLM-4.6V-Flash 75.1、GLM-4.5V 76.9、GLM-4.1V-9B-Thinking 72.1、Qwen3-VL-8B-Thinking 70.7*、Qwen3-VL-235B-A22B-Thinking 76.4*、Kimi-VL-A3B-Thinking-2506 35.6*、Step3 321B 58.7*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: webquest-singleqa（WebQuest-SingleQA（网页理解单问答子集））

打开官方来源

webquest-multiqa 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 Webquest-MultiQA（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Agentic（官方评测大表） · row: Webquest-MultiQA · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Agentic 分组，Webquest-MultiQA 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 53.4；同表对照：GLM-4.6V 59.0、GLM-4.6V-Flash 53.4、GLM-4.5V 60.6、GLM-4.1V-9B-Thinking 54.7、Qwen3-VL-8B-Thinking 60.3*、Qwen3-VL-235B-A22B-Thinking 17.3*、Kimi-VL-A3B-Thinking-2506 11.1*、Step3 321B 52.8*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: webquest-multiqa（WebQuest-MultiQA（网页理解多问答子集））

打开官方来源

mmlongbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 Doc · 指标 MMLongBench-Doc（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: MMLongBench-Doc · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，MMLongBench-Doc 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 53.0；同表对照：GLM-4.6V 54.9、GLM-4.6V-Flash 53.0、GLM-4.5V 44.7、GLM-4.1V-9B-Thinking 42.4、Qwen3-VL-8B-Thinking 48.0、Qwen3-VL-235B-A22B-Thinking 56.2、Kimi-VL-A3B-Thinking-2506 42.1、Step3 321B 31.8*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

mmlongbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 128K · 指标 MMLongBench-128K（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: MMLongBench-128K · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，MMLongBench-128K 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 63.4；同表对照：GLM-4.6V 64.1、GLM-4.6V-Flash 63.4、Qwen3-VL-8B-Thinking 49.5*、Qwen3-VL-235B-A22B-Thinking 61.8*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

lvbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 LVBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Multimodal Long Context（官方评测大表） · row: LVBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Multimodal Long Context 分组，LVBench 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 49.5；同表对照：GLM-4.6V 59.5、GLM-4.6V-Flash 49.5、GLM-4.5V 53.8、GLM-4.1V-9B-Thinking 44.0、Qwen3-VL-8B-Thinking 55.8、Qwen3-VL-235B-A22B-Thinking 63.6、Kimi-VL-A3B-Thinking-2506 47.6*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocrbench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 OCRBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCRBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCRBench 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 84.7；同表对照：GLM-4.6V 86.5、GLM-4.6V-Flash 84.7、GLM-4.5V 86.5、GLM-4.1V-9B-Thinking 84.2、Qwen3-VL-8B-Thinking 81.9、Qwen3-VL-235B-A22B-Thinking 87.5、Kimi-VL-A3B-Thinking-2506 86.9、Step3 321B 83.7*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocr-bench-v2 图表尚无可读数值 模型 glm-4-6v-flash · 版本 EN · 指标 OCR-Bench_v2 (EN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCR-Bench_v2 (EN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCR-Bench_v2 (EN) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 63.5；同表对照：GLM-4.6V 65.1、GLM-4.6V-Flash 63.5、GLM-4.5V 60.8、GLM-4.1V-9B-Thinking 57.4、Qwen3-VL-8B-Thinking 63.9、Qwen3-VL-235B-A22B-Thinking 66.8。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

ocr-bench-v2 图表尚无可读数值 模型 glm-4-6v-flash · 版本 CN · 指标 OCR-Bench_v2 (CN)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: OCR-Bench_v2 (CN) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，OCR-Bench_v2 (CN) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 59.5；同表对照：GLM-4.6V 59.6、GLM-4.6V-Flash 59.5、GLM-4.5V 59.0、GLM-4.1V-9B-Thinking 54.6、Qwen3-VL-8B-Thinking 59.2、Qwen3-VL-235B-A22B-Thinking 63.5。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

chartqapro 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 ChartQAPro（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: ChartQAPro · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，ChartQAPro 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 62.6；同表对照：GLM-4.6V 65.5、GLM-4.6V-Flash 62.6、GLM-4.5V 64.0、GLM-4.1V-9B-Thinking 59.5、Qwen3-VL-8B-Thinking 58.4*、Qwen3-VL-235B-A22B-Thinking 63.6*、Kimi-VL-A3B-Thinking-2506 23.7*、Step3 321B 56.4*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: chartqapro（ChartQAPro（图表问答增强版基准））

打开官方来源

chartmuseum 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 ChartMuseum（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: ChartMuseum · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，ChartMuseum 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 49.8；同表对照：GLM-4.6V 58.4、GLM-4.6V-Flash 49.8、GLM-4.5V 55.3、GLM-4.1V-9B-Thinking 48.8、Qwen3-VL-8B-Thinking 46.7*、Kimi-VL-A3B-Thinking-2506 33.6*、Step3 321B 40.0*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: chartmuseum（ChartMuseum（图表理解与生成评测集））

打开官方来源

charxiv-reasoning 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 CharXiv_Val-Reasoning（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: OCR & Chart（官方评测大表） · row: CharXiv_Val-Reasoning · figure: images/fig1-benchmarks.jpg（官方位图评测大表，OCR & Chart 分组，CharXiv_Val-Reasoning 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 59.6；同表对照：GLM-4.6V 63.2、GLM-4.6V-Flash 59.6、GLM-4.5V 58.4、GLM-4.1V-9B-Thinking 55.0、Qwen3-VL-8B-Thinking 53.0、Qwen3-VL-235B-A22B-Thinking 66.1、Kimi-VL-A3B-Thinking-2506 39.6*。数值只存在于官方位图大表，图内读数已转写备查。

打开官方来源

omnispatial 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 OmniSpatial（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: OmniSpatial · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，OmniSpatial 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 50.6；同表对照：GLM-4.6V 52.0、GLM-4.6V-Flash 50.6、GLM-4.5V 51.0、GLM-4.1V-9B-Thinking 47.7、Qwen3-VL-8B-Thinking 51.3*、Kimi-VL-A3B-Thinking-2506 37.3*、Step3 321B 47.0*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: omnispatial（OmniSpatial（空间感知与定位评测集））

打开官方来源

refcoco-avg 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 RefCOCO-avg (val)（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: RefCOCO-avg (val) · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，RefCOCO-avg (val) 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 85.6；同表对照：GLM-4.6V 88.6、GLM-4.6V-Flash 85.6、GLM-4.5V 91.3、GLM-4.1V-9B-Thinking 85.3、Qwen3-VL-8B-Thinking 89.3*、Qwen3-VL-235B-A22B-Thinking 92.4、Kimi-VL-A3B-Thinking-2506 33.6*、Step3 321B 20.2*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: refcoco-avg（RefCOCO-avg（指代表达定位基准的验证集平均值））

打开官方来源

treebench 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 TreeBench（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: TreeBench · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，TreeBench 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 45.7；同表对照：GLM-4.6V 51.4、GLM-4.6V-Flash 45.7、GLM-4.5V 50.1、GLM-4.1V-9B-Thinking 37.5、Qwen3-VL-8B-Thinking 34.3*、Qwen3-VL-235B-A22B-Thinking 50.9、Kimi-VL-A3B-Thinking-2506 41.5*、Step3 321B 41.3*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: treebench（TreeBench（树结构推理评测集））

打开官方来源

ref-l4-test 图表尚无可读数值 模型 glm-4-6v-flash · 版本 未说明 · 指标 Ref-L4-test（官方评测大表分数） · 单位 percent 来源等级 A · vendor_reported · 核对日期 2026-10-22 · 距快照 0 天

归一化读数：不计算；样本及方差不完整，无法计算置信区间。

原文位置与完整协议

heading: Spatial & Grounding（官方评测大表） · row: Ref-L4-test · figure: images/fig1-benchmarks.jpg（官方位图评测大表，Spatial & Grounding 分组，Ref-L4-test 行，GLM-4.6V-Flash 列）

{
  "harness": null,
  "tools": null,
  "shots": null,
  "reasoning_effort": null,
  "temperature": null,
  "top_p": null,
  "token_budget": null,
  "turn_limit": null,
  "time_limit": null,
  "run_count": null,
  "aggregation": null,
  "judge": null
}

官方评测大表图内读数：GLM-4.6V-Flash 87.7；同表对照：GLM-4.6V 88.9、GLM-4.6V-Flash 87.7、GLM-4.5V 89.5、GLM-4.1V-9B-Thinking 86.8、Qwen3-VL-8B-Thinking 88.6*、Qwen3-VL-235B-A22B-Thinking 90.4、Kimi-VL-A3B-Thinking-2506 51.3*、Step3 321B 12.2*。数值只存在于官方位图大表，图内读数已转写备查。new-benchmark: ref-l4-test（Ref-L4-test（多层指代定位测试集））

打开官方来源