Ep.759 中国Zhipu AI、「GLM-4.6V」を発表──“目”を持つAIが、ついに“手”も手に入れた（2025年12月11日配信）

名古屋ではたらく社長のITニュースポッドキャスト · Dec 10, 2025 · 3m

中国の有力AIスタートアップであるZhipu AIが、最新のマルチモーダルモデル「GLM-4.6V」を発表しました。ユーザーから提示されたURLやWeb上の情報を統合すると、このモデルは単に「画像認識の精度が上がった」というレベルを超え、AIが「目」だけでなく「手」も手に入れたような進化を遂げています。

これまでの視覚AIモデルは、画像を見て「これは猫です」とか「グラフの売上は右肩上がりです」と説明することは得意でした。しかし、その後の「じゃあ猫の画像を保存して」とか「売上データをExcelに入力して」といった具体的な操作（アクション）を行うには、別のプログラムを組み合わせる必要がありました。

今回発表された「GLM-4.6V」の革新的な点は、画像認識モデルそのものに「Function Calling（道具を使う機能）」がネイティブに組み込まれたことです。これにより、AIは工場の監視カメラ映像を見て「異常発生」と判断したら、即座にライン停止のシステムコマンドを送信したり、Webサイトのスクリーンショットを見て、そのデザイン通りにコーディングを行ったりといった、複雑なタスクを一気通貫でこなせるようになります。…