击败99%人类玩家！智谱开源GLM-4.5V，拿下41个SOTA

本文介绍了智谱公司发布的开源视觉推理模型GLM-4.5V，该模型在多模态推理领域取得了显著成果。背景方面，多模态推理被视为通向通用人工智能（AGI）的关键能力之一，视觉-语言模型（VLM）是实现多模态推理的核心基础。研究目的方面，GLM-4.5V旨在提供高性价比的多模态AI解决方案，并在41个公开视觉多模态榜单中达到同级别开源模型SOTA性能。结论方面，GLM-4.5V在图像、视频、文档理解以及GUI Agent等任务中表现出色，具备强大的感知与推理能力，并在实际应用中击败了99%的人类玩家。