在上海浦東張江科學會堂，一場聚焦于人工智能領域的盛會——智譜開放平臺產業生態大會于近日拉開帷幕。會上，智譜公司宣布了一項重大進展，即正式推出并開源了新一代視覺語言模型GLM-4.1V-Thinking。
值得注意的是，在此次大會上，智譜還迎來了浦東創投集團和張江集團的戰略投資，總額高達10億元，并已經順利完成了首筆資金的交割。三方還宣布將攜手共建人工智能新型基礎設施，以進一步推動AI技術的創新與應用。
GLM-4.1V-Thinking作為智譜公司精心打造的新一代視覺語言模型，其亮點在于支持圖像、視頻、文檔等多種模態的輸入，專為應對復雜的認知任務而設計。據官方介紹，該模型在GLM-4V架構的基礎上進行了創新，引入了“思維鏈推理機制”，并采用“課程采樣強化學習策略”，從而顯著提升了模型的跨模態因果推理能力和穩定性。
尤為GLM-4.1V-Thinking的輕量版——GLM-4.1V-9B-Thinking，在保持模型參數控制在10B級別的同時，實現了性能上的突破。在MMStar、MMMU-Pro、ChartQAPro、OSWorld等28項權威評測中，該模型取得了23項10B級模型的最佳成績，其中18項成績甚至持平或超越了參數量高達72B的Qwen-2.5-VL模型。這一表現充分展示了小體積模型在性能上的巨大潛力。
GLM-4.1V-9B-Thinking模型在多個任務中展現出了高度的通用性和穩健性。例如，在圖文理解方面，它能夠精準識別并綜合分析圖像與文本信息；在數學與科學推理方面，它支持復雜題解、多步演繹與公式理解；在視頻理解方面，它具備時序分析與事件邏輯建模能力；在GUI與網頁智能體任務中，它能夠理解界面結構，輔助自動化操作；在視覺錨定與實體定位方面，它實現了語言與圖像區域的精準對齊，提升了人機交互的可控性。
為了讓更多研究者能夠探索視覺語言模型的能力邊界，GLM-4.1V-9B-Thinking已在Hugging Face與魔搭社區同步開源。其中，GLM-4.1V-9B-Base作為基座模型，為研究者提供了基礎的研究平臺；而GLM-4.1V-9B-Thinking則具備深度思考和推理能力，是正常使用和體驗的首選模型。
