7月2日消息，今天上午，智譜開放平臺產業生態大會在上海浦東張江科學會堂舉辦，開源發布新一代通用視覺語言模型GLM-4.1V-Thinking。
在智譜開放平臺產業生態大會上，智譜宣布浦東創投集團和張江集團對智譜總額10億元的戰略投資，并于近期完成首筆交割。同時，三方還啟動了一項合作，共同建設人工智能新型基礎設施。
智譜今日正式發布并開源視覺語言大模型GLM-4.1V-Thinking，這是一款支持圖像、視頻、文檔等多模態輸入的通用推理型大模型，專為復雜認知任務設計。
從官方獲悉，它在GLM-4V架構基礎上引入“思維鏈推理機制（Chain-of-Thought Reasoning）”，采用“課程采樣強化學習策略（RLCS）”，系統性提升模型跨模態因果推理能力與穩定性。
其輕量版GLM-4.1V-9B-Thinking模型參數控制在10B級別，在兼顧部署效率的同時實現性能突破。該模型在MMStar、MMMU-Pro、ChartQAPro、OSWorld等28項權威評測中，有23項達成10B級模型的最佳成績，其中18項更是持平或超越參數量高達72B的Qwen-2.5-VL，充分展現了小體積模型的極限性能潛力。
據官方介紹，該模型特別在以下任務中表現卓越，展示出高度的通用性與穩健性：
圖文理解（Image General）：精準識別并綜合分析圖像與文本信息；
數學與科學推理（Math&Science）：支持持復雜題解、多步演繹與公式理解；
視頻理解（Video）：具備時序分析與事件邏輯建模能力；
GUI與網頁智能體任務（UI2Code、Agent）：理解界面結構，輔助自動化操作；
視覺錨定與實體定位（Grounding）：語言與圖像區域精準對齊，提升人機交互可控性。
目前，GLM-4.1V-9B-Thinking已在Hugging Face與魔搭社區同步開源。包含兩個模型，分別是GLM-4.1V-9B-Base基座模型，希望能夠幫助更多研究者探索視覺語言模型的能力邊界作；GLM-4.1V-9B-Thinking，具備深度思考和推理能力的模型，正常使用和體驗，均為這一模型。
