8月11日，智譜科技正式推出其最新的視覺理解模型 ——GLM-4.5V。這款模型是基於其新一代文本模型 GLM-4.5-Air 進行訓練的，繼承了上一代視覺推理模型 GLM-4.1V-Thinking 的技術路線，擁有驚人的1060億參數和120億激活參數。值得一提的是，GLM-4.5V 還新增了 “思考模式” 開關功能，用戶可以選擇是否啓用該模式，從而在處理任務時更靈活。

這一模型的視覺能力令人矚目，能夠輕鬆分辨出麥當勞和肯德基的炸雞翅，從外觀色澤和質感等多個角度進行深入分析。此外，GLM-4.5V 還能參與圖像猜地點的挑戰，甚至在比賽中取得了優異的成績，超越了99% 的人類參賽者，位列第66名。智譜還展示了該模型在42個基準測試中的卓越表現，在絕大多數測試中得分超過同等規模的其他模型。

目前，GLM-4.5V 已經在開源平臺如 Hugging Face、魔搭和 GitHub 上線，用戶可以免費下載使用，並且還提供了 FP8量化版本。爲了更好地體驗這一模型，智譜推出了一個桌面助手應用程序，支持實時截屏和錄屏，幫助用戶完成各種視覺推理任務，包括代碼輔助和文檔解讀。

在實際測試中，GLM-4.5V 展現了出色的能力，能夠根據上傳的圖片進行位置推斷，雖然偶爾會出現小誤差，但推理過程仍然非常豐富。而在處理網頁內容時，它可以通過截圖生成相似度高的頁面，展現出強大的復現能力。

GLM-4.5V 不僅在視覺理解領域表現突出，還在 Agent 應用場景中展現出巨大潛力。隨着這一技術的不斷髮展，我們有理由期待它在未來的應用中爲人們的生活帶來更多便捷。