搜索
智谱开源千亿参数视觉大模型 能区分麦当劳肯德基炸鸡
4 周前
8月11日，智谱发布了其最新一代视觉理解模型GLM-4.5V，并宣布该模型已开源。GLM-4.5V基于智谱新一代旗舰文本基座模型GLM-4.5-Air进行训练，延续了GLM-4.1V-Thinking的技术路线。该模型拥有106B（即1060亿）总参数和12B（即120亿）激活参数，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的SOTA性能，涵盖图像、视频、文档理解以及GUI Agent等常见任务。此外，GLM-4.5V还新增了思考模式的开关功能，用户可以根据需求自主控制模型是否进行深入思考。
