国产 AI 大模型公司智谱真的杀疯了。
上个月，他们开源的 GLM-4.1V-Thinking 荣登 HuggingFace Trending 第一，模型已获得累计超过 13 万次下载。
上周，又开源发布了令人惊艳的 GLM-4.5 和 GLM-4.5-Air 旗舰模型。
现在，基于 GLM-4.5-Air 沿用 GLM-4.1V-Thinking 的结构，训练出了更大更强的视觉模型 GLM-4.5V。
也直接给开源了，42 个榜单里，41个 SOTA。
01
直接看效果
方向盘上的特斯拉标志 右上角有 Model Y 的品牌名称，即使存在镜像和角度问题，它也能给出准确判断。
02
项目简介
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），已经在 GitHub 与 Hugging Face 开源。
GitHub: https://github.com/zai-org/GLM-VHugging Face: https://huggingface.co/zai-org/GLM-4.5V
上面是真实场景的体验，GLM-4.5V 虽然在多模态榜单上屠榜，在真实场景下的表现和可用性也堪称一绝。
覆盖了不同场景的视觉内容处理能力，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（前端复刻、桌面操作辅助）
复杂图表与长文档解析
Grounding 能力（精准定位视觉元素）
为了让开发者快速体验到它的能力，还同步开源了一个桌面助手应用，它能实时的截屏、获取屏幕信息，并基于 GLM-4.5V 的多模态能力让很多有意思的场景落地。
开源链接：https://huggingface.co/spaces/zai-org/GLM-4.5V-Demo-App
AI 正在学会像人一样，把看到的、听到的、读到的信息揉在一起理解世界，变得更“通感”。
这种能综合处理多种信息并思考的能力，是迈向真正“聪明”AI 的关键，其中多模态 AI 是重要基石。这不仅仅是技术进步，更可能带来深远的文明影响。
快去亲自上手试试吧，有啥好玩的 Case 可以直接丢评论区。
体验地址：https://chat.z.ai
