> 数据图表如何才能GLM-ASR-Nano 模型架构：“重感知、极致压缩、2026-10-4并对工具返回的图表、网页截图进行再次理解，形成“感知理解执行”闭环，可用于图文创作、视觉网页搜索和前端复刻。其视觉编码器与 128K 上下文对齐，单次推理约可处理 150 页文档、200 页 PPT 或一小时视频，在 20 余项主流多模态评测中达到同参数规模 SOTA。2）语音侧，15 亿参数的 GLM-ASR-Nano-2512 采用非对称架构，开源模型平均错误率为 4.10，方言及低音量场景表现突出GLM-TTS 通过两阶段生成和多奖励融合强化学习，实现 3 秒音色复刻，CER 降至 0.89%。3）图像侧，GLM-Image 采用 9B 自回归与 7B DiT 混合架构，文字渲染在两项基准中位列开源第一，并基于昇腾 Atlas 800T A2 与昇思 MindSpore 完成全流程训练。开源证券综合其他
