智谱AI开源通用视觉推理模型 GLM-4.1V-Thinking

智谱AI于7月2日发布了GLM-4.1V-Thinking系列通用视觉推理模型，并宣布获得来自浦东创投集团和张江集团的10亿元联合战略投资。

同时，公司推出了全新生态平台“Agent应用空间”，并启动“Agents开拓者计划”，投入数亿资金扶持AI Agents创业团队。

为庆祝模型发布，智谱大模型开放平台为用户提供新模型Flash版1亿的“高并发版”Tokens，同时，该模型可通过API免费使用。

此次率先开源的是GLM-4.1V-9B-Thinking，一个9B参数量的多模态模型，对应官方平台的GLM-4.1V-Thinking-Flash。该模型旨在提升模型的深度思考与复杂推理能力。该模型在多项基准测试中表现卓越，其性能在18项任务上持平甚至超过了参数量为其8倍的Qwen-2.5-VL-72B和GPT-4o等主流视觉语言模型。

模型具备强大的多模态能力，能够解析长达2小时的视频、进行数学与科学推理、看图编写网页，并具备GUI Agent能力，可识别并操作手机、电脑等屏幕界面元素，完成用户指令。例如，在解析足球比赛时，模型能理解球员位置和战术特点。

GLM-4.1V-Thinking模型架构由视觉编码器、MLP适配器和语言解码器组成，其卓越性能得益于引入了“课程采样强化学习”（Reinforcement Learning with Curriculum Sampling）策略，通过由易到难的训练任务安排，高效提升了模型在STEM解题、智能体任务、文档图表理解等多个领域的推理能力。

目前，GLM-4.1V-9B-Thinking模型已在GitHub、魔搭社区及Hugging Face上开源。

开源列表

• 文档：https://bigmodel.cn/dev/howuse/visual-reasoning-model/glm-4.1v-thinking

• Github：https://github.com/THUDM/GLM-4.1V-Thinking

• ModelScope：https://modelscope.cn/collections/GLM-41V-35d24b6def9f49

• Hugging Face：https://huggingface.co/collections/THUDM/glm-41v-thinking-6862bbfc44593a8601c2578d

• HuggingFace 体验链接：https://huggingface.co/spaces/THUDM/GLM-4.1V-9B-Thinking-Demo