8月11日，智譜AI推出全球100B級效果最佳的開源視覺推理模型 GLM-4.5V（總參數 106B，激活參數 12B），并同步在魔搭社區與Hugging Face開源。此外，API調用價格低至輸入2元/M tokens，輸出6元/M tokens。
GLM-4.5V基于智譜新一代旗艦文本基座模型GLM-4.5-Air，延續GLM-4.1V-Thinking 技術路線，在41個公開視覺多模態榜單中綜合效果達到同級別開源模型SOTA性能，涵蓋圖像、視頻、文檔理解以及GUI Agent等常見任務。比如，GLM-4.5V能夠根據用戶提問，精準識別、分析、定位目標物體并輸出其坐標框。
據介紹，多模態推理被視為通向通用人工智能（AGI）的關鍵能力之一，讓AI能夠像人類一樣綜合感知、理解與決策。其中，視覺-語言模型（Vision-Language Model, VLM）是實現多模態推理的核心基礎。
