Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 智谱AI开源GLM-4.1V-Thinking:9B参数模型性能超越72B,视觉语言模型迎来‘思考’时代
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
智谱AI开源GLM-4.1V-Thinking:9B参数模型性能超越72B,视觉语言模型迎来‘思考’时代
Prompt 语宙 > AI 工具 > 智谱AI开源GLM-4.1V-Thinking:9B参数模型性能超越72B,视觉语言模型迎来‘思考’时代
AI 工具AIGC 资讯

智谱AI开源GLM-4.1V-Thinking:9B参数模型性能超越72B,视觉语言模型迎来‘思考’时代

Prompt 语宙研究院
最近更新: 2026年7月22日 下午1:25
AIGC GLM-4.1V-Thinking 思维链推理 智谱AI 视觉语言模型
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 9B级视觉语言模型引入思维链推理,在多模态复杂任务上实现小模型性能跃升。
  • 28项权威评测中,23项达到10B最佳,18项与72B顶级模型持平或超越。
  • 支持图像、视频、文档、数学与逻辑推理,适合开发者和企业低成本部署。
import requests
import json

# 设置API接口地址和API Key
api_url = "https://api.zhipuopen.com/v1/glm-4.1v-thinking"
api_key = "your_api_key"

# 准备输入数据
input_data = {
    "image": "image_url_or_base64_encoded_data",
    "text": "your_input_text"
}

# 设置请求头
headers = {
    "Authorization": f"Bearer {api_key}",
    "Content-Type": "application/json"
}

# 发送请求
response = requests.post(api_url, headers=headers, data=json.dumps(input_data))

# 获取结果
result = response.json()
print(result)

from transformers import AutoModelForVision2Seq, AutoProcessor
import torch

# 加载模型和处理器
model_name = "THUDM/glm-4.1v-thinking"
model = AutoModelForVision2Seq.from_pretrained(model_name)
processor = AutoProcessor.from_pretrained(model_name)

# 准备输入数据
image_url = "image_url_or_image_path"
text = "your_input_text"
inputs = processor(images=image_url, text=text, return_tensors="pt")

# 进行推理
with torch.no_grad():
    outputs = model(**inputs)

# 获取结果
result = processor.decode(outputs.logits[0], skip_special_tokens=True)
print(result)

💡 站外导读:在追求更大更强参数的AI竞赛中,智谱AI带来了一股‘小模型、大智能’的清流。其最新开源的GLM-4.1V-Thinking模型,参数量仅为9B级别,却在包含数学推理、文档解析在内的28项权威基准测试中,一举达成23项10B级模型最佳成绩,甚至在18项上与72B参数的顶级模型持平或超越。这不仅是技术的突破,更预示着高性能AI应用正从云端巨头走向更广泛的开发者和企业,解决了AI落地成本与性能难以兼顾的核心痛点。

GLM-4.1V-Thinking是什么

GLM-4.1V-Thinking是智谱AI推出的开源视觉语言模型,专为复杂认知任务设计,支持图像、视频、文档等多模态输入。模型在GLM-4V架构基础上引入思维链推理机制,基于课程采样强化学习策略,系统性提升跨模态因果推理能力与稳定性。模型轻量版GLM-4.1V-9B-Thinking(GLM-4.1V-9B-Base基座模型和GLM-4.1V-9B-Thinking具备深度思考和推理能力)参数量控制在10B级别,在28项权威评测中,有23项达成10B级模型最佳成绩,其中18项持平或超越参数量高达72B的Qwen-2.5-VL,展现出小体积模型的极限性能潜力。

阅读目录
  • GLM-4.1V-Thinking是什么
  • GLM-4.1V-Thinking的主要功能
  • GLM-4.1V-Thinking的技术原理
  • GLM-4.1V-Thinking的性能表现
  • GLM-4.1V-Thinking的项目地址
  • 如何使用GLM-4.1V-Thinking
  • GLM-4.1V-Thinking的应用场景
      • 📝 站长洞察 (Editor’s Insight)

GLM-4.1V-Thinking

GLM-4.1V-Thinking的主要功能

  • 图像理解:精准识别和分析图像内容,支持复杂的视觉任务,如目标检测、图像分类和视觉问答。
  • 视频处理:具备时序分析和事件逻辑建模能力,支持处理视频输入,进行视频理解、视频描述和视频问答。
  • 文档解析:支持处理文档中的图像和文本内容,支持长文档理解、图表理解和文档问答。
  • 数学与科学推理:支持复杂的数学题解、多步演绎和公式理解,能处理STEM领域的推理任务。
  • 逻辑推理:支持进行逻辑推理和因果分析,支持复杂的推理任务,如多步推理和逻辑判断。
  • 跨模态推理:合视觉和语言信息进行推理,支持图文理解、视觉问答和视觉锚定等任务。

GLM-4.1V-Thinking的技术原理

  • 架构设计:基于AIMv2Huge作为视觉编码器,处理和编码图像和视频输入。MLP适配器将视觉特征对齐到语言模型的token空间。语言解码器用GLM作为语言模型,处理多模态token并生成输出。
  • 训练方法:基于大规模的图像-文本对、学术文献和知识密集型数据进行预训练,构建强大的视觉语言基础模型。用长链推理(CoT)数据进行监督微调,提升模型的推理能力和人类对齐。基于课程采样强化学习(RLCS),动态选择最具信息量的样本进行训练,提升模型在多种任务上的性能。
  • 技术创新:引入思维链推理机制,让模型逐步思考生成详细的推理过程。基于课程采样策略,动态调整训练样本的难度,确保模型在不同阶段都能获得最有效的训练。基于2D-RoPE和3D-RoPE技术,支持任意分辨率和宽高比的图像输入,增强模型的时空理解能力。

GLM-4.1V-Thinking的性能表现

在涵盖MMStar、MMMU-Pro、ChartQAPro、OSWorld在内的28项权威评测中,该模型表现卓越,其中23项指标均达到了10B参数级别模型的顶尖水准。更令人瞩目的是,这23项成绩里,有多达18项与参数量高达72B的Qwen-2.5-VL持平甚至实现了超越。

GLM-4.1V-Thinking

GLM-4.1V-Thinking的项目地址

  • GitHub仓库:https://github.com/THUDM/GLM-4.1V-Thinking
  • HuggingFace模型库:https://huggingface.co/collections/THUDM/glm-41v-thinking-6862bbfc44593a8601c2578d
  • arXiv技术论文:https://arxiv.org/pdf/2507.01006v1
  • 在线体验Demo:https://huggingface.co/spaces/THUDM/GLM-4.1V-9B-Thinking-Demo

如何使用GLM-4.1V-Thinking

  • API接口:
    • 注册账号:访问智谱AI开放平台,注册账号并登录。
    • 获取API Key:在平台上创建应用,获取专属的API Key。
    • 调用API:根据API文档,使用HTTP请求调用模型接口,发送输入数据并获取模型的输出结果。例如,使用Python调用API的代码示例:
  • 开源模型:
    • 下载模型:访问Hugging Face,找到GLM-4.1V-Thinking模型页面,下载模型文件。
    • 加载模型:使用相应的深度学习框架(如PyTorch)加载模型。
    • 进行推理:将输入数据预处理后输入模型,获取模型的输出结果。例如,使用PyTorch加载模型并进行推理的代码示例:
  • 在线体验平台:
    • 访问体验链接:访问Hugging Face平台上的GLM-4.1V-Thinking体验页面。
    • 输入数据:在网页上上传图像或输入文本。
    • 获取结果:点击“运行”按钮,等待模型处理并查看结果。

GLM-4.1V-Thinking的应用场景

  • 教育辅导:辅助学生解决数学、科学等学科的复杂问题,提供详细解题步骤和推理过程,帮助学生更好地理解和掌握知识。
  • 内容创作:结合图像和文本生成创意内容,如广告文案、社交媒体帖子、新闻报道等,提升内容创作的效率和质量。
  • 智能交互:作为智能客服或虚拟助手,理解用户的问题和需求,提供准确、及时的回答和解决方案,支持多模态输入。
  • 行业应用:在医疗、金融、工业等领域,辅助专业人员进行数据分析、报告生成、设备监控等任务,提高工作效率和准确性。
  • 娱乐与生活:为旅游提供攻略和景点介绍,为美食推荐菜品和烹饪方法,为游戏生成剧情和任务设计,丰富用户的娱乐体验。

📝 站长洞察 (Editor’s Insight)

智谱AI此次发布的GLM-4.1V-Thinking,其意义远不止于一次模型迭代。它精准地踩在了当前大模型发展的两个关键趋势上:一是从‘规模竞赛’转向‘效能比竞赛’,通过创新的课程采样强化学习(RLCS)等技术,用不到10B的参数撬动了72B级的性能,为中小企业和边缘计算场景提供了极具吸引力的选择。二是从‘感知’到‘认知’的跃迁,引入的‘思维链’机制,让模型具备了可解释的、逐步推理的能力,这是实现复杂任务自动化和构建可信AI的核心。结合其对开源生态的全面支持(从API、模型到Demo),智谱AI正在构建一个从底层技术到上层应用的完整闭环。这不仅仅是发布了一个工具,更是为AI的民主化和深度应用铺平了道路,标志着视觉语言模型正式进入了‘深度思考’的新阶段。

❓ 常见问题解答(FAQ)
GLM-4.1V-Thinking适合做什么?

它是一款开源视觉语言模型,适合图像理解、视频问答、文档解析、数学推理和跨模态分析等复杂任务,尤其适合需要兼顾性能与成本的开发者和企业应用场景。

GLM-4.1V-Thinking为什么被称为“思考”模型?

因为它在GLM-4V架构上引入了思维链推理机制,并结合课程采样强化学习,让模型能逐步推理、提升跨模态因果分析能力和输出稳定性。

GLM-4.1V-Thinking的性能表现如何?

文章提到其9B级轻量版在28项权威评测中有23项达到10B级最佳成绩,且在18项上与72B参数的Qwen-2.5-VL持平或超越,体现出很强的性价比。

🔬 语宙深潜追问 · 进阶实操拆解
VLM“思考能力”到底提升在哪?

核心在多步推理、跨模态对齐和错误自检能力,而不是单纯识别更准。它更擅长处理图文混合问答、文档理解和复杂视觉推理,但前提是训练中显式引入思维链式监督。

低成本落地VLM该怎么选场景?

优先选文档审核、票据识别、图文问答和质检这类高频标准化任务。若场景对实时性和部署成本敏感,小模型更有优势;若长尾复杂推理多,则需要配合检索和规则系统。

🗳️ 读者观点微投票 · 您的实战立场是?
9B视觉语言模型,能替代72B吗?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
🏮 所属权威专题:国产大模型选型与资费对比 →
  • 智谱开源GLM-4.5V:106B参数视觉推理新标杆,代码复刻、视频理解多场景实测
  • 智谱开源GLM-4.7-Flash:300亿参数免费调用,编程中文写作翻译全面超越同类模型
  • 智谱GLM-4.7重磅发布:编码能力登顶开源榜,三大思考模式重塑AI开发
  • Qwen3-VL:阿里通义最强视觉语言模型发布,4B/8B版开源,全面超越GPT-5 Mini与Claude4 Sonnet
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
ModelScope魔搭社区
SNOOPI – AI文本到图像生成框架,提升单步扩散模型的效率和性能
HiCAD:开源AI驱动的参数化3D CAD平台,自然语言秒级生成可打印模型
智谱GLM-ASR开源:SOTA级端侧语音识别,1.5B参数实现方言耳语识别与隐私保护
TryOffDiff – AI虚拟试穿技术,单张穿着者图片生成标准化服装图像
TAGGED:AIGCGLM-4.1V-Thinking思维链推理智谱AI视觉语言模型
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 Mercury扩散语言模型深度解析:Inception Labs革新AI生成速度,实现聊天应用极致低延迟 Mercury扩散语言模型深度解析:Inception Labs革新AI生成速度,实现聊天应用极致低延迟
下一篇 告别AI答一半就跑!开源神器「寸止」深度解析:智能拦截、记忆管理,打造永不中断的对话体验 告别AI答一半就跑!开源神器「寸止」深度解析:智能拦截、记忆管理,打造永不中断的对话体验
Ad image
Ad image

最近更新

NVIDIA Vera Rubin 亮相 MLPerf 评测并在训练与端点测试中领先
单GPU训练性能翻倍且智能体每瓦吞吐暴增10倍!NVIDIA Vera Rubin首战MLPerf大获全胜:DeepSeek-V3千卡扩展效率97%与Agentic端点推理全景深度拆解
AIGC 资讯
美国商务部大楼与半导体出口管制新规
算力超1200万TPP即触发许可且限期90天整改!美国商务部突发全球数据中心新规:封死离岸云端远程租用算力与废止AI扩散规则全景深度拆解
AIGC 资讯
AI 原生 CRM 初创公司 Dreamteam 获 5300 万美元融资,挑战 Salesforce 与 HubSpot
斩获5300万美元对标Salesforce!前Freshworks高管创办AI原生CRM Dreamteam:基于Company Brain虚拟记忆与自动化智能体流水线深度拆解
AI 工具
Optimizely 谈营销智能体落地:企业需将审核从输出转向输入
告别Vibe Coding虚火!Optimizely解密企业级营销智能体落地法则:从“输出审核”走向“输入约束”、专用Harness架构与800落地页规模化实战
最新趋势

相关推荐

一行GitHub代码出卖了AMD:Anthropic被曝成其新客户,算力去英伟达化加速
AIGC 资讯

一行GitHub代码出卖了AMD:Anthropic被曝成其新客户,算力去英伟达化加速

Prompt 语宙研究院
AI编程 Anthropic Claude OpenAI 开源大模型
阿里云重磅开源!LucaVirus:全球病毒领域首个统一核酸-蛋白质语言大模型,254亿标记训练,破解基因组“暗物质”
AI 工具AIGC 资讯

阿里云重磅开源!LucaVirus:全球病毒领域首个统一核酸-蛋白质语言大模型,254亿标记训练,破解基因组“暗物质”

Prompt 语宙研究院
LucaVirus 生物信息学 病毒大模型 蛋白质语言模型 阿里巴巴云
SoulChat2.0 – 华南理工大学推出的心理咨询师数字孪生大语言模型
AIGC 资讯

SoulChat2.0 – 华南理工大学推出的心理咨询师数字孪生大语言模型

Prompt 语宙研究院
AI智能体 大模型微调 开源大模型
HoloDreamer – AI文本驱动3D场景生成框架
AIGC 资讯

HoloDreamer – AI文本驱动3D场景生成框架

Prompt 语宙研究院
3D与空间智能 AI绘画提示词 AI视频生成
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • Remaker AI
  • BGRemaker 抠图Hot
  • AIGC 工具
  • Prompt 咒语生成器
  • 去水印工具

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.