2025 年 8 月 11 日，北京——智谱宣布推出并全面开源新一代多模态大模型 GLM-4.5V。该模型以 106 B 总参数、12 B 激活参数的规模，在 41 项公开视觉多模态基准测试中获得同级别开源模型 SOTA（State-of-the-Art）成绩，标志着全球多模态推理能力的新高度。
一键直达开源与体验
Hugging Face：huggingface.co/collections/zai-org/glm-45v
在线体验：z.ai 或智谱清言 APP「推理模式」
性能与成本兼顾
| 指标 | GLM-4.5V |
|---|---|
| 输入价格 | 2 元 / 百万 tokens |
| 输出价格 | 6 元 / 百万 tokens |
| 响应速度 | 60–80 tokens/s |
| 免费额度 | 新、老用户各 2000 万 tokens |
五大核心能力
视觉定位：一句话即可在图中精准框选目标，支持安全质检、遥感分析等高价值场景。
前端复刻：上传网页截图或操作视频，自动生成可运行的 HTML+CSS+JS 代码，实现“所见即所得”的开发体验。
地点推理：仅靠街景细节即可推测精确经纬度，在「图寻游戏」中 7 天杀入全球 Top 100，击败 99% 人类玩家。
长文档解析：数十页含图表的研报一键总结、翻译并给出观点，图文一体阅读避免 OCR 误差。
GUI Agent：实时理解屏幕内容，完成图标定位、信息提取、折扣计算等复杂桌面任务，为 Agent 生态提供强力基座。
技术亮点
支持 64 K 多模态长上下文，图像、视频原生输入。
三维卷积 + 3D-RoPE，强化时空关系建模。
三阶段训练：大规模预训练 → 思维链 SFT → 多领域强化学习（RLVR+RLHF）。
桌面助手 Demo 同步开源
为了让开发者快速上手，官方同步开源了 GLM-4.5V-Demo-App，可实时截屏/录屏并与模型对话，完成代码辅助、视频分析、游戏攻略、文档解读等任务。
体验地址：huggingface.co/spaces/zai-org/GLM-4.5V-Demo-App
-
喜欢（0）
-
不喜欢（0）
