概览

GLM-4.1V-Thinking 系列是 10B 尺寸性能卓越的视觉推理模型。它在图表/视频理解、前端 Coding、GUI 任务等核心能力达到全面新 SOTA，并引入思维链推理机制，显著提升模型在复杂场景中的回答精准度与可解释性。

版本

• GLM-4.1V-Thinking-FlashX：高并发版
• GLM-4.1V-Thinking-Flash：标准版

定位

高并发版

价格

2 元 / 百万 Tokens

输入模态

视频、图像、文本

输出模态

文本

上下文窗口

64K

能力支持

• 内置深度思考：默认内置深度思考，提供更深层次的推理分析
• 视觉理解：强大的视觉理解能力，支持图片，视频，文件
• 流式输出：支持实时流式响应，提升用户交互体验

推荐场景

• 图文理解：精准识别并综合分析图像与文本信息
• 数学与科学推理：解决数学和科学问题
• 视频理解：理解视频内容并提取关键信息
• GUI 与网页智能体任务：理解图形界面并执行操作
• 视觉锚定与实体定位：定位图片中的特定目标

详细介绍

多项视觉语言任务性能 SOTA

GLM-4.1V-Thinking 模型在高效部署的同时实现了性能突破。在 MMStar、MMMU-Pro、ChartQAPro、OSWorld 等 28 项权威评测中，以 23 项 10B 级模型优异成绩展现硬核实力，其中 18 项指标更是持平或超越 8 倍参数量的主流 VLM 模型，充分印证小体积模型的极限性能潜能。

值得注意的是，模型在推荐场景任务处理中展现出卓越的适配能力，其高度的通用性与稳健性在复杂业务场景中尤为凸显。

强大的推理能力

GLM-4.1V-Thinking 在 GLM-4V 架构基础上引入"思维链推理机制"，采用"课程采样强化学习策略"，系统性提升模型跨模态因果推理能力与稳定性。补足推理能力后的 GLM-4.1V-Thinking，在面向科学研究、教育、自主 Agent 及多模态助手等更复杂现实世界应用时，解决问题的能力更加强大。

应用示例

图片问答

输入：请找出这张图中年度利润最高的公司，以及该公司的最大部门？

输出：Sony has the highest annual profit at $6.3B. For Sony, the note states, "Media is Sony's second-largest segment after game consoles." Thus, the largest segment is game consoles.

学科解题

根据题目图片解答数学和科学问题。

GUI Agent

理解图形界面并执行操作。

前端网页 Coding

根据视频或图片内容生成前端代码。

调用示例

Python

python
pip install zai-sdk
或指定版本
pip install zai-sdk==0.2.3

验证安装
import zai
print(zai.__version__)

调用示例
from zai import ZhipuAiClient
client = ZhipuAiClient(api_key="")  # 请填写您自己的 APIKey
response = client.chat.completions.create(
    model="glm-4.1v-thinking-flashx",  # 请填写您要调用的模型名称
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "请帮我解决这个题目，给出详细过程和答案"},
                {"type": "image_url", "image_url": {"url": "https://img.iplaysoft.com/wp-content/uploads/2019/free-images/free_stock_photo.jpg"}}
            ]
        }
    ]
)
print(response.choices[0].message.content)

用户并发权益