GLM-4.5V 是Z.AI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，其涵盖图像、视频、文档理解及 GUI 任务等常见任务。

模型介绍

• 开源多模态 SOTA

GLM-4.5V 基于Z.AI的旗舰产品 GLM-4.5-Air，延续 GLM-4.1V-Thinking 技术路线进行迭代升级，在42个公共视觉多模态基准测试中，其综合性能与开源最优模型处于同一水平，涵盖了图像、视频、文档理解和GUI任务等常见任务。

• 支持 Thinking 和 Non-Thinking

GLM-4.5V 引入全新的“思考模式”切换功能，使用户能够自由地在快速响应与深度推理之间切换，根据任务需求灵活平衡处理速度与输出质量

使用场景

• 前端编码

分析网页截图或屏幕录制视频，理解布局和交互逻辑，一键生成完整且可用的网页代码

• Grounding

精确识别和定位目标物体，适用于安检、质量检查、内容审查和遥感监测等实际场景

• GUI Agent

识别并处理屏幕图像，支持执行点击、滑动等指令，为智能代理完成操作任务提供可靠支持

• 复杂长文档解读

可深入分析数十页的复杂文档，支持摘要、翻译、图表提取，并能够基于内容提出见解

• 图像识别与推理

具备强大的推理能力和丰富的世界知识，能够在不使用搜索的情况下推断出图像的背景信息

• 视频理解

能够解析长视频内容，并准确推断出视频中的时间、人物、事件和逻辑关系

• 学科解题

能够解决复杂的文本-图像结合问题，适用于K12教育场景中的问题解决和讲解

API调用

1. 服务部署成功后，可在服务列表查看调用信息

2.调用示例

1curl -X POST "<访问地址>/v1/chat/completions" \
2-H "Content-Type: application/json" \
3-H "Authorization: <TOKEN>" \
4-d '{
5  "model": "GLM-4.5V",
6  "messages": [{"role": "user","content": [{"type": "text", "text": "请描述这张图片的内容"},{"type": "image_url", "image_url": {"url": "https://bce.bdstatic.com/doc/bce-doc/AIHC/dog_e941a21.jpeg"}}]}],
7  "max_tokens": 1024,
8  "temperature": 0.7
9}'