IT之家 7 月 2 日消息，今天上午，智谱开放平台产业生态大会在上海浦东张江科学会堂举办，开源发布新一代通用视觉语言模型 GLM-4.1V-Thinking。
在智谱开放平台产业生态大会上，智谱宣布浦东创投集团和张江集团对智谱总额 10 亿元的战略投资，并于近期完成首笔交割。同时，三方还启动了一项合作，共同建设人工智能新型基础设施。
智谱今日正式发布并开源视觉语言大模型 GLM-4.1V-Thinking，这是一款支持图像、视频、文档等多模态输入的通用推理型大模型，专为复杂认知任务设计。
IT之家从官方获悉，它在 GLM-4V 架构基础上引入“思维链推理机制（Chain-of-Thought Reasoning）”，采用“课程采样强化学习策略（RLCS）”，系统性提升模型跨模态因果推理能力与稳定性。
其轻量版 GLM-4.1V-9B-Thinking 模型参数控制在 10B 级别，在兼顾部署效率的同时实现性能突破。该模型在 MMStar、MMMU-Pro、ChartQAPro、OSWorld 等 28 项权威评测中，有 23 项达成 10B 级模型的最佳成绩，其中 18 项更是持平或超越参数量高达 72B 的 Qwen-2.5-VL，充分展现了小体积模型的极限性能潜力。
据官方介绍，该模型特别在以下任务中表现卓越，展示出高度的通用性与稳健性：
图文理解（Image General）：精准识别并综合分析图像与文本信息；
数学与科学推理（Math & Science）：支持持复杂题解、多步演绎与公式理解；
视频理解（Video）：具备时序分析与事件逻辑建模能力；
GUI 与网页智能体任务（UI2Code、Agent）：理解界面结构，辅助自动化操作；
视觉锚定与实体定位（Grounding）：语言与图像区域精准对齐，提升人机交互可控性。
目前，GLM-4.1V-9B-Thinking 已在 Hugging Face 与魔搭社区同步开源。包含两个模型，分别是 GLM-4.1V-9B-Base 基座模型，希望能够帮助更多研究者探索视觉语言模型的能力边界作；GLM-4.1V-9B-Thinking，具备深度思考和推理能力的模型，正常使用和体验，均为这一模型。
相关阅读：
