← 全部模型

GLM-4.5V

发布时间 发布主体 Zhipu AIglm-4.5v

GLM-4.5V

**发布日期:**2025年8月11日。(huggingface.co)

模型定位

GLM-4.5V 是面向多模态理解与视觉推理的视觉语言模型,基于 GLM-4.5-Air,采用混合专家(MoE)架构,总参数量为1060亿,激活参数量为120亿。官方发布了模型权重,模型卡标注许可证为 MIT。(docs.z.ai)

能力与用途

  • 接受文本、图像、视频和文件输入,输出文本;国际版 API 文档标注最大输出为16K tokens。
  • 支持图像与多图推理、视频事件理解、视觉目标定位,以及图表和长文档解析。
  • 可用于屏幕理解和 GUI 智能体辅助操作、根据页面截图生成网页代码、文档信息提取和图文问题解答。
  • 支持切换思考与非思考模式,以平衡响应速度和推理深度。(docs.z.ai)

限制

官方指出,纯文本问答仍有改进空间;复杂提示下可能过度思考、重复推理或复述答案;计数和识别特定人物等视觉感知任务也存在局限。重要结果及自动化操作应经过核验。(github.com)

API 定价

**Z.AI 国际平台按量价格,美元(USD):**每百万 tokens 输入 $0.60、输出 $1.80;缓存命中的输入为每百万 tokens $0.11,缓存存储限时免费。查询日期:2026年11月18日。官方国际定价页。(docs.z.ai)

同时查询了智谱国内官方定价页,该页面需要 JavaScript,当前读取结果未显示报价,故未能核实其价格。(open.bigmodel.cn)

官方来源