智谱视觉推理模型GLM-4.5V上线并开源，号称“全球100B级效果最佳”
文章来源：智汇AI 发布时间：2025-08-15
智谱 AI 今日推出全球 100B 级效果最佳的开源视觉推理模型 GLM-4.5V（总参数 106B，激活参数 12B），并同步在魔搭社区与 Hugging Face 开源。此外，API 调用价格低至输入 2 元 M tokens，输出 6 元 M tokens。
暂无访问智汇AI8月11日消息，智谱AI今日推出全球100B级效果最佳的开源视觉推理模型GLM-4.5V（总参数106B，激活参数12B），并同步在魔搭社区与HuggingFace开源。此外，API调用价格低至输入2元/Mtokens，输出6元/Mtokens。
智汇AI从官方介绍获悉，GLM-4.5V基于智谱新一代旗舰文本基座模型GLM-4.5-Air，延续GLM-4.1V-Thinking技术路线，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，涵盖图像、视频、文档理解以及GUIAgent等常见任务。
在多模态榜单之外，其更重视模型在真实场景下的表现与可用性。GLM-4.5V通过高效混合训练，具备覆盖不同种视觉内容的处理能力，实现全场景视觉推理，包括：
图像推理（场景理解、复杂多图分析、位置识别）
视频理解（长视频分镜分析、事件识别）
GUI任务（屏幕读取、图标识别、桌面操作辅助）
复杂图表与长文档解析（研报分析、信息提取）
Grounding能力（精准定位视觉元素）
同时，模型新增“思考模式”开关，用户可灵活选择快速响应或深度推理，平衡效率与效果。为帮助开发者直观体验GLM-4.5V的模型能力，打造专属于自己的多模态应用，智谱AI同步开源了一款桌面助手应用。
该桌面应用可实时截屏、录屏获取屏幕信息，并依托GLM-4.5V处理多种视觉推理任务，日常处理如代码辅助、视频内容分析、游戏解答、文档解读等多类视觉任务，成为一个能看着屏幕和你一起工作娱乐的伙伴。我们也希望通过模型开源和API服务，赋能更多有想法的开发者，基于多模态基座模型发挥创意和想象，把过去科幻电影中的场景变为现实。
相关推荐
