GLM-4.5V - 基于 MOE 架构的视觉推理模型 - GLM

概览

GLM-4.5V 是智谱基于 MOE 架构的视觉推理模型，以 106B 的总参数量和 12B 激活参数量，在各类基准测试中达到全球同级别开源多模态模型 SOTA，涵盖图像、视频、文档理解及 GUI 任务等常见任务。

定位

视觉推理

输入模态

视频、图像、文本、文件

输出模态

文本

上下文窗口

64K

能力支持

深度思考：启用深度思考模式，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
上下文缓存：智能缓存机制，优化长对话性能

详细介绍

开源多模态 SOTA

GLM-4.5V 基于 GLM-4.5-Air，延续 GLM-4.1V-Thinking 技术路线进行迭代升级，在 41 个公开视觉多模态榜单中综合效果达到同级别开源模型 SOTA 性能，涵盖图像、视频、文档理解及 GUI 任务等常见任务。

GLM-4.5V 评测

支持 Thinking 和 Non-Thinking

GLM-4.5V 新增"思考模式"开关，用户可在快速响应与深度推理之间自由切换，根据任务需求灵活平衡处理速度与输出质量。

应用示例

视频前端复刻：根据视频内容生成对应的 HTML 代码
图片翻译：理解图片内容并进行翻译
GUI Agent：理解图形界面并执行操作
图表转换：将图表内容转换为其他格式
学科解题：理解题目图片并解答
文档解读：理解文档内容并提取关键信息
Grounding：定位图片中的特定目标

调用示例

图片理解

bash
curl -X POST \
  https://open.bigmodel.cn/api/paas/v4/chat/completions \
  -H "Authorization: Bearer your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-4.5v",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://cdn.bigmodel.cn/static/logo/register.png"
            }
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://cdn.bigmodel.cn/static/logo/api-key.png"
            }
          },
          {
            "type": "text",
            "text": "What are the pics talk about?"
          }
        ]
      }
    ],
    "thinking": {
      "type": "enabled"
    }
  }'

视频理解

bash
curl -X POST \
  https://open.bigmodel.cn/api/paas/v4/chat/completions \
  -H "Authorization: Bearer your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-4.5v",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "video_url",
            "video_url": {
              "url": "https://cdn.bigmodel.cn/agent-demos/lark/113123.mov"
            }
          },
          {
            "type": "text",
            "text": "What are the video show about?"
          }
        ]
      }
    ],
    "thinking": {
      "type": "enabled"
    }
  }'

文件理解

bash
curl -X POST \
  https://open.bigmodel.cn/api/paas/v4/chat/completions \
  -H "Authorization: Bearer your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-4.5v",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "file_url",
            "file_url": {
              "url": "https://cdn.bigmodel.cn/static/demo/demo2.txt"
            }
          },
          {
            "type": "file_url",
            "file_url": {
              "url": "https://cdn.bigmodel.cn/static/demo/demo1.pdf"
            }
          },
          {
            "type": "text",
            "text": "What are the files show about?"
          }
        ]
      }
    ],
    "thinking": {
      "type": "enabled"
    }
  }'

GLM-4.5V - 基于 MOE 架构的视觉推理模型

概览

定位