智谱AI宣布，全球100B级效果最佳的开源视觉-语言推理模型GLM-4.5V正式面向公众开源，并同步上线智谱开放平台（BigModel.cn）。该模型总参数106B、激活参数12B，在41项公开多模态评测中达到同级别开源模型的SOTA表现。

今年7月，智谱AI开源的GLM-4.1V-9B-Thinking以“小体积、大能量”迅速登顶Hugging Face Trending，累计下载量超13万次。时隔一月，GLM-4.5V将参数规模推升至百亿级，同时引入“思考模式”开关，用户可在快速响应与深度推理间自由切换，兼顾效率与精度。

GLM-4.5V基于新一代旗舰文本基座GLM-4.5-Air，延续“Thinking”技术路线，在图像、视频、文档理解及GUI Agent等41项权威榜单中均取得SOTA（State-of-the-Art）成绩。其能力覆盖：

● 图像推理：复杂多图分析、位置识别

● 视频理解：长视频分镜、事件识别

● GUI任务：屏幕读取、图标定位、桌面操作辅助

● 图表与长文档解析：研报分析、信息提取

● 精准Grounding：坐标级视觉元素定位

GLM-4.5V采用视觉编码器+MLP适配器+语言解码器三组件架构，支持64K多模态长上下文，首次将三维卷积与3D旋转位置编码（3D-RoPE）引入百亿级VLM，显著增强对高分辨率、极端宽高比及视频内容的理解与稳健性。训练采用“预训练—监督微调—强化学习”三阶段策略，结合RLVR与RLHF，在STEM、多模态定位及Agent任务上实现全面优化。

真实场景验证：在“图寻游戏”全球积分赛中，GLM-4.5V仅用时16小时即击败99%的人类选手，7天后排名升至全球第66位，充分验证其复杂视觉推理与地点识别能力。

智谱AI表示，GLM-4.5V的开源与API化旨在与全球开发者共建多模态生态，把过去仅存在于科幻电影中的场景带进现实。“我们相信，开放的技术社区将激发更多创意，加速通用人工智能的到来。”

即日起，用户可登录z.ai或智谱清言APP/网页版，上传图片、视频并开启“推理模式”，即刻体验GLM-4.5V的多模态魅力。为降低体验门槛，智谱AI同步开源桌面助手应用GLM-4.5V Demo App，支持实时截屏、录屏及多轮对话，可一键完成代码辅助、视频解析、游戏答疑、文档解读等任务。

开源地址：

GitHub: https://github.com/zai-org/GLM-V

Hugging Face: https://huggingface.co/collections/zai-org/glm-45v-68999032ddf8ecf7dcdbc102

ModelScope: https://modelscope.cn/collections/GLM-45V-8b471c8f97154e

API 价格：

输入2元/百万 tokens，输出6元/百万 tokens，响应速度达60-80 tokens/s