智谱 AI 发布了新一代旗舰视觉推理模型 GLM-4.5V。该模型基于 MOE 架构，总参数量达到 106B，激活参数量为 12B，支持视频、图像、文本、文件作为输入模态，输出文本，其上下文窗口为 64K。

GLM-4.5V 基于智谱新一代旗舰文本基座模型 GLM-4.5-Air，延续 GLM-4.1V-Thinking 技术路线，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、文档理解以及 GUI Agent 等常见任务。

GLM-4.5V 由视觉编码器、MLP 适配器和语言解码器三部分组成，支持 64K 多模态长上下文，支持图像与视频输入，并通过三维卷积提升视频处理效率。模型采用双三次插值机制，有效增强了模型对高分辨率及极端宽高比图像的处理能力与稳健性；同时，引入三维旋转位置编码（3D-RoPE），显著强化了模型对多模态信息的三维空间关系的感知与推理能力。

GLM-4.5V 采用三阶段策略：预训练、监督微调（SFT）和强化学习（RL）。其中，在预训练阶段，我们结合大规模图文交错多模态语料和长上下文内容，强化了模型对复杂图文及视频的处理能力；在 SFT 阶段，我们引入了显式 “思维链” 格式训练样本，增强了 GLM-4.5V 的因果推理与多模态理解能力；最后，RL 阶段，我们引入全领域多模态课程强化学习，通过构建多领域奖励系统（Reward System），结合可验证奖励强化学习（RLVR）与基于人类反馈的强化学习（RLHF），GLM-4.5V 在 STEM 问题、多模态定位、Agent 任务等方面获得全面优化。

GLM-4.5V API 价格情况如下：

• API 调用价格：低至输入 2 元 / M tokens，输出 6 元 / M
• tokens 响应速度：达到 60-80 tokens/s
• API 接口文档：http://docs.bigmodel.cn/api-reference

GLM-4.5V API 现已上线智谱开放平台 BigModel.cn，为所有新老用户准备了 2000 万 Tokens 的免费资源包。

领取链接：https://zhipuaishengchan.datasink.sensorsdata.cn/t/bv