近日，清华大学与智谱AI联合发布最新论文，由唐杰担任通讯作者，曝光了智谱内部神秘模型“GLM-Omni”，引发外界对其是否为GLM-5.5的热烈猜测。该研究直击统一多模态模型“会画不会说”的技术瓶颈：实验显示，GLM-Omni在图像生成任务中正确率高达72%，但转换为纯文字问答时正确率骤降至仅2%。为此，研究团队创新提出“图文交错对齐”与“视觉思维链（Visual CoT）”等优化方案，引导模型在推理时先生成图像再读取信息，成功将其文字回答正确率提升至41.14%。这一成果为多模态模型跨模态知识互通提供了重要新思路。