刚刚，智谱直播开源其最新视觉模型：GLM-4.5V，多模态，支持图像、视频输入 GLM-4.5V 基于智谱 AI的下一代旗舰文本基础模型 GLM-4.5-Air底座（106B 参数，12B 有源），延续了 GLM-4.1V-Thinking 的技术路线，在 42 个公开的视觉语言基准测试中取得了同规模模型中的 SOTA 性能，涵盖了图像、视频和文档理解等常见任务，以及 GUI 代理操作。实现

#智谱AI #GLM-4.5V #多模态视觉模型 #开源 #图像视频理解

相关新闻

GitHubDaily

1天前

写技术文档时，经常需要插入流程图、甘特图这些图表，但大多数 Markdown 编辑器要么不支持，要么属于高级功能需要付费。无独有偶，在 GitHub 上找到了 Arya 这个开源的在线 Markdown 编辑器，功能全面且完全免费。不仅支持绘制流程图、甘特图、时序图等各种图表，还能进行 PPT 预览、HTML 自动转换，甚至支持 Echarts 图表和五线谱。 GitHub：除此之外

Geek

1天前

pgBackWeb 一个开源的自托管 PostgreSQL 备份管理工具

向阳乔木

1天前

我去，腾讯混元竟然开源了一个80b的图像生成模型：混元图像3.0。熬夜测了400张图，太顶了！支持中英文精准渲染、长文本生成。插画、漫画、海报、表情包，只需一段提示词，统统搞定。即使你没有美术基础，也能轻松创作令人惊艳的图片。最牛逼的是，这竟然是个开源模型！不是发论文或仅提供API。而是直接把“源代码”都开放了，无论个人、企业都可以免费下载、二次开发/优化。我测试了

sitin

1天前

蚂蚁集团支付宝体验技术部开源智能编程助手Neovate Code。工具可深度理解代码库，遵循编码习惯，实现功能开发、Bug修复和代码重构等功能。支持对话式开发、自定义规则文件、会话继续与恢复等，兼容OpenAl、Anthropic、Google等模型和提供商。核心亮点（产品力）深度上下文理解：读懂你的代码库与编码风格，输出贴合团队习惯的改动。对话式开发：自然语言描述需求→产出实现方案→你

Tw93

1天前

看到一个年度最搞笑 issue，一个安徽的学生把「老乡鸡菜品溯源报告」整理成很清晰的 markdown 的「像老乡鸡那样做饭」开源版本，分门别类很清晰，然后老乡鸡官方为了感谢他，以及 issue 只有作者看得到，给他发了一个 1000 元会员卡，结果被哪个没良心的领走了，笑死我了。

关联事件

智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限

智谱直播近日开源了其最新视觉模型GLM-4.5V，该模型基于其旗舰文本基础模型GLM-4.5-Air，拥有106B总参数和12B激活参数。GLM-4.5V在42个公开的视觉语言基准测试中表现出色，达到了同规模模型中的SOTA性能，支持图像、视频和文档理解等多种任务。该模型的推出标志着智谱在视觉推理领域的进一步突破，具备全场景视觉推理能力，能够处理复杂的图像推理和视频理解任务，预计将对AI视觉技术的发展产生深远影响。