唐杰论文曝光智谱 GLM-Omni：会画却不会说，图像知识难转文字

清华与智谱 AI 联合论文披露统一多模态模型 GLM-Omni，其图像生成平均正确率 54.00%，纯文字问答仅 14.57%。采用图文交错对齐训练后文字正确率升至 26.86%，再用 Visual CoT 先画后答可达 41.14%。论文未说明 GLM-Omni 与 GLM-5.5 的版本对应关系。