智谱AI开源GLM-4.1V-Thinking:多模态推理模型再突破

7 0 0

智谱AI正式开源最新一代通用视觉模型 GLM-4.1V-Thinking，基于GLM-4V架构，新增思维链推理机制，显著提升复杂认知任务能力。该模型支持图像、视频、文档等多模态输入，擅长长视频理解、图像问答、学科解题、文字识别、文档解读、Grounding、GUIAgent及代码生成等多样化场景，覆盖千行百业的应用需求。

GLM-4.1V-9B-Thinking在28项权威评测中表现卓越，其中23项达成10B级模型最佳成绩，18项持平或超越72B参数的Qwen-2.5-VL，涵盖MMStar、MMMU-Pro、ChartQAPro、OSWorld等基准测试。其9亿参数规模结合高效推理能力，使其可在单张3090显卡上运行，且提供免费商用授权，极大降低了开发者门槛。

智谱AI表示，GLM-4.1V-Thinking通过强化学习与课程采样技术，优化了跨领域推理能力，展现出对复杂问题的深度思考与解决能力。模型已上线HuggingFace，供全球开发者免费体验。业界认为，此举将推动多模态AI在教育、科研、商业等领域的广泛应用，标志着智谱AI在通用人工智能道路上的又一里程碑。

打赏赞