今天，我从大模型厂商的视角和大家分享大模型如何重塑内容新引擎。
首先，让我们先从技术视角简要回顾和展望一下媒体行业的发展历程。在传统媒体时代，主要是纸媒、广播电视媒体，典型特征是“播什么，看什么”。内容生产是高度固定和专业化的，而我们作为观众只能被动地单向接收信息。然后，互联网浪潮带来了变革，我们进入了“点什么，看什么”的互联网媒体时代。内容生产变成了PGC和UGC的结合，内容供给大大增加。内容消费侧则是用户主动点击选择+平台通过推荐算法主动推送的结合。
而现在，我们认为大模型将开启全新的智能媒体时代——未来很可能是一个“想什么，生成什么”的时代！一方面，模型的内容生成能力和速度在飞速进步，让内容生产力进一步提升。另一方面，内容消费侧，大模型对用户意图的理解能力也大大增强，可以结合用户历史记忆和情境，知道用户想看什么。这种变化已经发生，最明显的是搜索。随着这类生成式AI应用快速渗透，用户日趋习惯于通过AI交互界面实时“生成”所需内容。
面对这样一个时代，智谱作为大模型厂商也非常乐于参与其中。作为一家掌握大模型全链路自主技术的公司，智谱拥有全模态的模型矩阵，包括文本模型、多模态理解模型、图片和视频生成模型、音视频模型等。
我想重点介绍其中两类模型。首先，是基座模型，GLM-4.5和4.6，这两个模型分别在7月底和9月底发布，发布时都成为了当时能力最强的开源模型。作为基座模型，GLM-4.6具备强大的语言、推理、代码和智能体能力，这个模型就像大脑，构成了坚实的能力基础。其次，是多模态理解模型，GLM-4.5V，发布时在41个公开视觉多模态榜单中综合效果达到同级别开源模型SOTA性能，它在GLM-4.5基础上长了眼睛，可以更好地用视觉信号理解这个世界。
基于以上模型能力，加上我们的平台与服务能力，以及行业生态的合作伙伴，我们可以打造媒体领域垂类大模型和应用，赋能智能媒体内容生产、内容安全、内容管理、内容分发的全链路。
接下来，我将介绍三个代表性的场景。
第一个场景是翻译。大家可能觉得翻译是很基础的场景，但要在不同的语境下做到准确翻译其实是很难的一件事，传统的机器翻译其实很难解决这个问题。大模型时代，翻译已经从“语言转换”转变为了“综合知识的理解和推理”，而GLM-4.6将强大的知识储备和推理能力融入到了模型的翻译能力之中。这背后靠的是模型本身的知识、结合语境的推理能力，以及我们在翻译策略上的设计等。比如大模型能理解“胖白”在摄影圈特指佳能某款镜头，如果直接音译的话，外国人是无法理解的。
第二个场景是写作。今天用大模型来辅助写作可能是最普遍的场景，但由于幻觉、信源不可靠等问题，直接用大模型来进行专业深度写作仍然有很大挑战。基于GLM-4.6的深度推理和工具调用能力，我们打造了深度写作智能体，它会先和用户交互澄清创作任务，再制定计划，然后执行深度搜索和分析，通过这种多个智能体协作的架构，最终输出一份多模态、可溯源的深度内容。就像一位专业人士的操作流程，最终满足专业、深度、可靠的要求。
第三个场景是跨模态内容管理。我们今天面临着内容爆炸，怎么更好地管理好内容资产便于使用？大模型的多模态理解能力提供了新的可能。比如针对图像和视频内容，GLM-4.5V可以精准解析视频画面、声音等元素，提取关键信息，对各类信息精准标记，便于后续问答、检索、审核、编目等应用场景，提高使用效率。模型可以看懂一整段苏超比赛视频的画面内容，包括定位精彩画面等。我们可以用模型把整个赛季的视频都解析一遍，便于后续的深度报道分析。
