论文里冒出的 GLM-Omni，被猜成下一代

一款智谱内部模型，先在一篇学术论文里露了脸，随即被网友按上了下一代旗舰的名号。目前能确认的和不能确认的，得分开说。

一、发生了什么

据雷峰网 10 月 27 日报道，清华大学与智谱 AI 联合完成的一项研究里，出现了内部模型 GLM-Omni 的名字，唐杰是通讯作者。论文本身没有披露它对应哪个产品版本，「GLM-5.5 之谜底」是社交平台上的联想，属于推测。论文能确认的是技术路线和一组实验：研究造了一个虚构世界，给不存在的实体安排号码、颜色和位置，让目标知识只能从训练图片里进入模型，一共七类任务、每类五十条、合计三百五十条知识，筛完留下八千五百多组训练样本。受测的是三种不同架构的统一模型，智谱这款的成绩居中：把指定号码画上球衣的正确率有七成二，可改成文字问它，只剩百分之二。三个模型合计的平均分摆在一起更难看——看图作对的比例在三到六成之间，纯文字作对的比例全都不超过两成。最极端的一个对照：另一款受测模型在号码任务上看图能对八成八，纯文字问答却是一道都答不上，满分挂零。

二、跟你有什么关系

关注智谱发版节奏的人：这篇论文给下一代多模态模型的技术底座提供了线索，但版本对应关系没有官方说法，别当发布公告传。做多模态产品的人：论文证实了一个普遍瓶颈——模型会画的东西未必答得出来，图文能力不是自动互通的，产品里别指望「能生成」自动等于「能回答」。做评测的人：区分「没学会」和「学了调不出」需要受控数据，这篇论文给了现成的方法样例。

三、怎么判断

1. 把论文结论和产品传闻分开：实验里模型先画图再读图作答，智谱这款的正确率能从约一成四提到四成一；这是方法结论，不是下一代模型的能力预告。
2. 看「会画不会说」的原因：号码、书名这类要记住具体字符的知识最难从语言端调出，形状大小这类有迁移规则的相对好救；论文试过补文字问答样例，号码任务的成绩仍是零。
3. 留意他们的补救顺序：先补问答样例效果平平，改成图文放进同一条训练序列才见起色，消融实验证明提升确实来自图像监督，不是多看了一遍文字。
4. 等官方披露再下版本判断：是否进产品、叫什么名字，以智谱公告为准。

四、三个别信的说法

「论文等于官宣下一代。」 论文只写了内部模型的技术探索，版本对应关系一个字没提，把推测当消息源迟早翻车。

「图文统一架构已经打通了。」 实验恰恰说明共享参数不等于路径互通，三种受测模型直接文字作答全部拉胯，统一是目标不是现状。

「先画图再回答是万金油。」 这条路要额外算力，图画错了答案跟着错，书名任务加了图也没救回来，只能算特定场景的拐杖。

「参数共享等于能力互通。」 实验的教训恰恰相反：理解归理解、生成归生成，两条路在同一个人脑子里各走各的，得靠专门的训练去接桥。

五、一句话结论

论文给的是路线图，不是发布日期——线索归线索，官宣归官宣。

信息来源

• 雷峰网关于智谱论文与 GLM-Omni 的报道，2026-10-27

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。