北京
北京时间2025年1月16日下午，智谱AI宣布发布智谱Realtime、4V、Air新模型。智谱AI此次集中发布的模型呈现出三个主要特征：实时多模态（GLM-Realtime），高性价比语言模型（GLM-4-Air-0111）和升级的视觉理解能力（GLM-4V-Plus），再加上完全免费的Flash系列，旨要满足不同应用场景下的多元需求。
GLM-Realtime最大的优势在于“实时”与“端到端”。
它能快速理解视频内容，并与用户进行语音对话，支持长达两分钟的记忆，让对话前后保持连贯。一个有趣的功能是“大模型清唱”，让AI不再局限于文字或指令，而能在对话中轻松“开口唱歌”。
此外，Function Call功能为它带来了更灵活的外部资源调用能力，扩展了商业应用的边界。
当它被集成到智能眼镜或陪伴玩偶时，你会发现AI像个随身助理，几乎可以实时理解并回应你眼前发生的事情。对于未来的硬件设备而言，这种“即看即理解、即问即答”的方式或许会成为标配。
GLM-4-Air-0111以性价比取胜，适合个人和初创开发者进行尝试。
针对对话和文本创作需求，智谱AI升级了GLM-4-Air，推出GLM-4-Air-0111版本。它在训练数据和流程上做了全面优化，在部分任务上能接近更大规模模型的性能，却保持较为精简的配置。不仅如此，调用费用降为原先的一半，大大降低了开发和部署的门槛。
对于个人和初创团队而言，GLM-4-Air-0111可以说是迈向大模型应用的轻便之选。
在计算机视觉领域，GLM-4V-Plus进行了显著升级。
它能够适应从224×224等低分辨率到4K超清等高分辨率的图像输入，也支持极长宽比图像，减少了Token消耗的同时保证了高效识别。
此外，新版本可以处理长达2小时的视频，为长视频内容的分析、摘要和监控等需求带来新的解决方案。
我个人对这一部分比较感兴趣——当你有一段上百分钟的素材需要归纳剪辑时，可以让GLM-4V-Plus先为你做“初筛”与“摘要”，再针对重点内容进行二次编辑，会省去许多繁琐的人工操作，同时无论小图还是4K都可以应用，效率有可能大幅提升。
最后的“Flash”系列模型，涵盖语言、图像、视频等多模态方向，全部对社会免费开放。
开发者可以在bigmodel.cn上轻松调用这些API，快速测试和验证自己的想法，从看图说话到视频生成，都能在Flash系列中找到合适的模型。
对于那些想要用大模型做原型，或是小规模试水AI应用的团队而言，这些“及时雨”，大幅降低了入门门槛。
与智谱自己说的一样，这是AI普惠的一小步进程，Flash可以为对大模型感兴趣却又苦于起步成本的开发者提供了一个安全、开放、没有经济负担的试验场。
如果你仅仅是想做一点小测试，或者有创意却不敢轻易投入资金，Flash系列是不错的跳板。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
