#视觉推理模型

14小时前

智谱发布并开源了全球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。模型基于智谱新一代文本基座模型GLM-4.5-Air，综合效果在41个公开视觉多模态榜单中达到SOTA水平，支持图像、视频、文档理解及GUI Agent等任务。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）

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· 3 条信息

#智谱 #GLM-4.5V #开源 #视觉推理模型 #多模态