北京
8月11日，智谱开源了其最新一代视觉理解模型GLM-4.5V，该模型基于智谱新一代文本基座模型GLM-4.5-Air训练而来，拥有1060亿参数和120亿激活参数。GLM-4.5V新增了思考模式的开关功能，用户可自主控制模型是否进行思考。
这一模型的视觉能力解锁了一些有趣的玩法，例如能够区分麦当劳和肯德基炸鸡翅的区别，并从炸鸡的色泽、外皮质感等角度进行了全面分析。此外，GLM-4.5V还可以看图猜地点，在与人类玩家一起参与的拍图猜地点积分赛中，加入比赛7天后，其积分排到了赛事网站的第66名，超越了99%的人类用户。
智谱还分享了GLM-4.5V在42个基准测试中的成绩，该模型在其中41个测试中得分超过同尺寸模型。目前，GLM-4.5V已在开源平台Hugging Face、魔搭、GitHub发布，并提供了FP8量化版本。智谱还为其打造了一个体验App，目前仅有Mac端可用（且必须为非Intel芯片）。
用户可在z.ai选择GLM-4.5V模型，上传图片或视频进行体验，或在智谱清言APP/网页版上传图片开启“推理模式”进行体验。智谱同步开源了一款桌面助手应用，该应用可实时截屏、录屏获取屏幕信息，并依托GLM-4.5V处理多种视觉推理任务，如代码辅助、视频内容分析、游戏解答、文档解读等。
GLM-4.5V API现已上线智谱开放平台BigModel.cn，并提供了2000万tokens的免费资源包。其API最低价为每百万输入tokens/2元、每百万输出tokens/6元，支持图像、视频、文件和文本输入。
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.
