智谱 AutoGLM 多语种与 GLM-OCR 上线 AF；同周海外发布 GPT-5.6 三档与 Grok-4.5

一、本期更新概览

7 月 1 日至 10 日，AF 上线 2 款新模型，均来自智谱：AutoGLM-Phone-Multilingual，一个能直接操作手机完成多步任务的多语种智能体模型；GLM-OCR，一个 0.9B 参数的轻量文档解析模型，主打发票、合同、论文、表格的结构化识别。两款模型走的都是专用小模型路线，输入价压在每百万 token $0.1 和 $0.03。

同一时间窗口内，海外发布密集：Anthropic 的 Claude Sonnet 5（6 月 30 日）、xAI 的 Grok-4.5（7 月 8 日）、OpenAI 的 GPT-5.6 三档（7 月 9 日全面开放）先后到位，通用旗舰的价格带被重新划分。

二、按日上新清单

AF 上新（智谱系列）

7 月 1 日：AutoGLM-Phone-Multilingual（多语种手机智能体，OpenAI Chat Completions 接口兼容）

7 月 2 日：GLM-OCR（OCR / 版面解析，独立 layout_parsing 接口）

同期海外发布动态（介绍与对比参考）

6 月 30 日：Anthropic 发布 Claude Sonnet 5

7 月 8 日：xAI 发布 Grok-4.5

7 月 9 日：OpenAI 全面开放 GPT-5.6 家族（Sol / Terra / Luna 三档，6 月 26 日起曾向约 20 家经美国政府审查的机构提供预览）

三、AF 上新解读

3.1 AutoGLM-Phone-Multilingual：把手机操作交给模型，这次是多语种

7 月 1 日上线 AF，模型 id autoglm-phone-multilingual，兼容 OpenAI Chat Completions 接口，每百万输入 token $0.1，上下文 200K。

AutoGLM 是智谱的手机智能体系列，基于视觉语言模型理解手机屏幕内容，通过模拟点按、滑动、输入完成多步任务，比如下单外卖、订机票。用自然语言描述需求，模型自己规划并执行整条操作链，底层通过 ADB 控制安卓设备。智谱 2025 年 8 月发布 AutoGLM 2.0 手机通用智能体，同年 12 月将其开源，当时覆盖微信、淘宝、抖音、美团等 50 多个中文高频应用。本次多语种版把能力范围扩展到多语言界面和海外应用，跨境场景第一次被正式纳入支持范围。

GUI 操作类任务此前的主流做法是拿通用旗舰模型驱动，成本是主要瓶颈。以本期海外新发布的价格为参照，GPT-5.6 最便宜的 Luna 档输入价每百万 token $1，Grok-4.5 是 $2，AutoGLM 多语种版 $0.1 只有前者的十分之一，而且它是专为手机操作训练的模型，不需要在提示词里堆屏幕操作说明。开源路线上有字节的 UI-TARS 等选择，但要自建推理和运维。

AF 用例分享：一家跨境电商团队在 AF 上把海外平台巡检做成了独立项目：AutoGLM 多语种版定时打开 eBay、Shopee 等应用，检查自家商品的排名、价格和评价，把结果写回内部表格。在 AF 项目管理里，这类高频轻量任务单独立项、单独设预算和配额，跑量再大也不会挤占其他项目的额度。

3.2 GLM-OCR：0.9B 参数的文档解析专用模型

7 月 2 日上线 AF，模型 id glm-ocr，独立接口 https://api.agentsflare.com/zhipu/v4/layout_parsing，支持图片 URL 和 base64 两种传入方式，每百万输入 token $0.03，是智谱在 AF 上价格最低的模型。

GLM-OCR 是智谱开源的轻量多模态 OCR 模型，参数量只有 0.9B，采用 GLM-V 架构（CogViT 视觉编码器 + GLM-0.5B 语言解码器），配合版面分析加并行识别的两阶段流程，能处理扫描件、PDF、复杂表格、票据和学术公式。财务处理增值税发票抽结构化字段、法务解析合同版式和条款结构，都是它的直接目标场景。此前在智谱系里做文档识别，通常调 GLM-4V 这类通用多模态模型，按通用视觉模型计费；GLM-OCR 把这类任务剥离出来交给专用小模型。模型已开源，有本地部署需求的团队可以用 vLLM、Ollama、SGLang 自行推理。

文档解析赛道上最直接的对标是 Mistral 6 月 23 日发布的 Mistral OCR 4，按页计费，标准 $4/1000 页，批量 $2/1000 页，支持 170 种语言并输出段落级坐标框。两者计费单位不同：GLM-OCR 按 token 计费，处理 1000 页普通文档的成本粗算在 $0.1 以内，数量级上明显更低；Mistral OCR 4 则在多语言覆盖和坐标框输出上更全。发票、合同这类中文为主的结构化识别，GLM-OCR 的性价比很难被绕开。

AF 用例分享：财税 SaaS 团队的典型接法是两段式项目：GLM-OCR 负责把票据和合同扫描件解析成结构化文本，GLM-5.2 负责字段校验和异常标记。在 AF 项目管理里按任务类型分类，解析环节匹配 GLM-OCR、校验环节匹配 GLM-5.2，两个环节分别设预算配额，单据量峰值期的成本波动可以精确到环节级。

四、海外新模型速览（介绍与对比，供选型参考）

4.1 GPT-5.6 家族：旗舰拆成 $1、$2.5、$5 三档

OpenAI 于 7 月 9 日全面开放 GPT-5.6，此前两周只对约 20 家经美国政府审查的机构做封闭预览。这一代最大的变化在产品结构：单一旗舰拆成三档，Sol（$5/$30，每百万 token 输入/输出）面向复杂问题、编程和安全研究，Terra（$2.50/$15）面向大批量业务任务，Luna（$1/$6）面向摘要、分类等轻量高频工作。缓存读一律九折减免（Sol $0.50、Terra $0.25、Luna $0.10），缓存写按输入价的 1.25 倍计。上下文窗口 100 万 token，最大输出 128K。

纵向看，Sol 与上一代旗舰 GPT-5.5 同价（$5/$30），OpenAI 把 Terra 定位为以一半价格拿到接近 GPT-5.5 的质量，Luna 则以五分之一的价格逼近。基准方面 OpenAI 自报 Sol 在 Terminal-Bench 2.1 上拿到 88.8%，高于同期各家公布的成绩；需要留意的是独立评测机构 METR 在这次发布中记录到迄今最高的基准博弈率，对头条分数建议保留一分谨慎。

4.2 Grok-4.5：$2/$6 的低价档旗舰，上下文缩到 500K

xAI 于 7 月 8 日发布 Grok-4.5，定价 $2/$6（每百万 token 输入/输出），缓存读 $0.50，在旗舰档里价格明显偏低。上下文窗口 500K token，比前代 Grok 4.3 的 100 万缩了一半，且单次请求超过 20 万 token 会按更高档计费，长文档任务需要把这两点算进成本。

基准上，xAI 自报 SWE-bench Pro 64.7%，介于 Claude Sonnet 5（63.2%）与 Opus 4.8（69.2%）之间；Terminal-Bench 2.1 为 83.3%。一个值得注意的效率数据：完成同一 SWE-bench Pro 任务，Grok-4.5 平均输出约 1.6 万 token，Opus 4.8 约 6.7 万，配合 $6 的输出单价，单任务成本差距会远大于单价差距。独立机构 Artificial Analysis 给它的综合智能分是 54，排第 4，落后于 Fable 5（60）、Opus 4.8（56）和 GPT-5.5（55）。

4.3 Claude Sonnet 5：促销期 $2/$10 的中端主力

Anthropic 于 6 月 30 日发布 Claude Sonnet 5，接替 2 月的 Sonnet 4.6。促销期每百万 token 输入 $2、输出 $10，截止 8 月 31 日，之后回到标准价 $3/$15；上下文 100 万 token，不对长上下文额外加价。智能体编程（SWE-bench Pro）从上一代的 58.1% 提到 63.2%，Terminal-Bench 2.1 从 67.0% 跳到 80.4%，用中端价格拿到旗舰 Opus 4.8 约九成的智能体编程成绩。我们此前发过一篇专稿完整拆解这款模型的能力边界与对比，可在历史文章中查看。

五、价格与计费对比

语言模型（本期海外发布，Anthropic 为对照锚点）

基准分数均为各厂商自报口径，测试环境不完全一致，横向比较仅作参考。价格以各原厂为准。

文档解析（本期 AF 上新对照海外竞品）

AutoGLM-Phone-Multilingual 按 token 计费，每百万输入 token $0.1，不在上表单列。

六、企业选型建议

票据与文档处理：GLM-OCR 做解析、GLM-5.2 做校验的两段式组合，是目前 AF 上单位成本最低的文档链路。在 AF 上按自己的规则建项目，把解析和校验拆成两个环节，各自匹配模型、各自设预算配额，量再大成本也可控。

手机与跨应用自动化：AutoGLM 多语种版把这类任务从通用旗舰手里接了过来，每百万输入 token $0.1 的价格支持高频跑量。适合先立一个小项目试跑典型任务链，验证完成率后再放量。

通用推理与编程主力的重新评估：海外三家两周内把价格带重新划分了。如果现在的主力模型是上一代旗舰，值得对照上面的表格重新算一遍账：轻量任务向 $1/$6 档看齐，中等任务有 $2.50/$15 档，最难的任务再上 $5/$30 档。在 AF 上，模型选择的控制权始终在自己手里：API 之间自由切换，不用改业务代码；调用顺序自己定义，哪类任务走哪个模型、失败后退到哪个模型，都按自己的规则写进项目配置。

模型组合和预算规划需要针对具体场景细化的，随时找 AF 团队对接。