清华与智谱论文披露 GLM-Omni：会画却不会说，图像知识难转文字回答

清华大学与智谱 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%。研究用虚构世界 MagicWorld 的 350 条受控知识测试发现，模型能把号码画对却答不出，图文交错对齐将文字正确率提至 26.86%，Visual CoT 进一步升至 41.14%。论文未说明 GLM-Omni 与 GLM-5.5 的版本对应关系。