本周上新 | 智谱开源周系列模型、美团图像生成模型LongCat-Image上线

🤖AI模型上新

• GLM-4.6V 系列多模态大模型，包括：面向云端与高性能集群场景的基础版 GLM-4.6V（106B-A12B）；面向本地部署与低延迟应用的轻量版 GLM-4.6V-Flash（9B）。
• Phone Agent 是一个基于 AutoGLM 构建的手机端智能助理框架，它能够以多模态方式理解手机屏幕内容，并通过自动化操作帮助用户完成任务。
• GLM-ASR 系列语音识别模型包括：全球领先的云端语音识别模型GLM-ASR-2512；参数量仅 1.5B 的开源 SOTA 端侧语音模型 GLM-ASR-Nano-2512。
• GLM‑TTS 工业级语音合成系统：只需 3 秒语音样本，GLM‑TTS 即可学习说话人的音色和说话习惯。在通用朗读、情感配音、教育评测、电子书、有声客服等场景中，实现自然流畅、贴近真人的语音。
• 四项视频生成核心技术：

• SCAIL：影视级角色动画生成框架，实现SOTA姿态控制；
• RealVideo：实时流式视频生成系统，仅2-3秒首响延迟；
• Kaleido：多主体视频生成框架，一致性开源SOTA；
• SSVAE：频谱结构化变分自编码器 VAE，3倍收敛加速。

• 图像编辑高度可控：LongCat-Image 在图像编辑领域的多个重要基准测试中（如GEdit-Bench、ImgEdit-Bench）均达到开源SOTA水平，实现性能突破的背后在于一套紧密协同的训练范式和数据策略。
• 中文文字生成精准覆盖：针对中文文本渲染这一行业痛点，LongCat-Image 通过课程学习策略来提升字符覆盖度和渲染精准度。

• 逼真的画质: Z-Image-Turbo 在保持出色美学质量的同时，提供了强大的逼真图像生成能力。
• 准确的双语文本渲染: Z-Image-Turbo 擅长准确渲染复杂的中英文文本。

https://www.scnet.cn/ui/aihub/models