背景
GLM4.5V 是智谱AI于2025年8月11日发布的开源视觉推理模型，基于新一代旗舰文本基座模型 GLM-4.5-Air 开发，延续了 GLM-4.1V-Thinking 技术路线。
- 参数规模：总参数 106B，激活参数 12B。性能表现：在 41 个公开视觉多模态任务中，综合效果达到同级别开源模型 SOTA（State-of-the-Art），涵盖图像、视频、文档理解及 GUI Agent 等场景。基准测试：在 12 项行业标准评测中，GLM-4.5V 得分 63.2，全球排名第三，国产第一，开源模型中位列榜首。
我们看到与Qwen2.5-VL与Gemma-3模型进行了PK。
视觉理解
GLM-4.5V可以阅读长达数十页、含有大量图表的复杂长文本，能够对文本进行总结、翻译、图表提取等操作；此外，还能在给定信息的基础上输出自己的"观点"。与传统的OCR信息提取+文本模型解读的方式不同，GLM-4.5V会像人类一样，以视觉方式读取文档中的每一页图片，避免了信息提取过程中的错误传递，实现了文字与图像的同时理解，因此对于图表、表格等视觉化、结构化信息的保留和解读会更加准确。
例如，我们可以给GLM-4.5V上传一份图文并茂的GPT5 SYSTEM CARD技术报告，让它翻译并解读其中的技术亮点。
GLM4.5V翻译输出
GPT-5 系统卡翻译（节选关键章节）
GPT-5 System Card
OpenAI
August 7, 20253.5 指令层级（Instruction Hierarchy）
API 中部署这些模型允许开发者指定自定义开发人员消息，该消息包含来自其终端用户的每个提示。若处理不当，这可能让开发者绕过系统防护栏；同理，终端用户也可能尝试通过发送不符合指南的消息绕过开发者消息。
缓解措施：我们教导模型遵循指令层级[2]。高层级上，我们将发送给模型的邮件分为三类：系统消息、开发者消息和用户消息。我们测试模型是否遵循“系统消息优先于开发者消息，且开发者消息优先于用户消息”的指令。
评估：为此，我们使用两组评估：
系统提示提取：测试恶意用户消息能否提取系统提示中不应泄露的秘密；
短语保护：测试模型是否正确遵循系统消息指令——当恶意用户消息试图让模型输出“access granted”，而系统消息试图阻止模型这么做（除非满足秘密条件）。
3.6 幻觉（Hallucinations）
训练 GPT-5 时，我们重点关注减少事实性幻觉的发生频率。尽管 ChatGPT 默认启用浏览功能，但许多 API 接口未使用此功能。因此，我们在训练模型时侧重于浏览功能的使用，以获取最新网络信息，并减少对内部知识的依赖。
我们首先评估
gpt-5-thinking和gpt-5-main在代表真实 ChatGPT 生产对话的提示上的事实准确性，使用基于 LLM 的评分模型结合网络访问识别主要和次要错误。我们验证了评分器质量：让人类独立评估声明与人类判断的差异，发现我们的评分器比人类更倾向于正确识别事实错误。我们发现
gpt-5-main存在幻觉的概率（即包含次要或主要错误的 factually claims 占比）为 66%，比 OpenAI o3 低 29%。在语句级别，我们测量 5% 的响应存在至少一个主要事实错误，而gpt-5-thinking比 GPT-4o 少 44%，gpt-5-main比 OpenAI o3 少 78%。---
技术亮点解读
GPT-5 的技术突破体现在安全性、准确性、多领域适应性三大维度，结合结构化评估与缓解措施，实现“能力提升”与“风险可控”的平衡：
1. 安全性：抵御恶意交互与幻觉
越狱防御：在“非法/非暴力犯罪提示”“暴力提示”等有害内容评估中，
gpt-5-thinking与 OpenAI o3 相当，gpt-5-main接近 GPT-4o 水平，显示其对恶意 prompt 的鲁棒性显著提升。指令层级机制：通过“系统 > 开发者 > 用户”的邮件优先级规则，配合“系统提示提取”“短语保护”两类评估，有效防止开发者或用户绕过安全防护。
幻觉 reduction：训练阶段融合浏览功能获取实时信息，评估显示
gpt-5-main幻觉率比 OpenAI o3 低 29%，gpt-5-thinking在语句级别的主要事实错误比 GPT-4o 少 44%，事实准确性大幅提升。2. 多领域性能：覆盖医疗、安全、多语言等场景
医疗健康：在 HealthBench 等基准测试中，
gpt-5-thinking超越此前所有模型（如 HealthBench Hard 错误率比 OpenAI o3 低 8 倍）；针对“全球健康一致性”等高风险场景，错误率降低超 50 倍，展现医疗决策辅助潜力。网络安全：红队测试（如暴力攻击规划、prompt 注入）中，GPT-5 恶意响应率低于 OpenAI o3；Pattern Labs 评估证实其在“入侵检测”“漏洞利用”等场景的优势，如 Capture the Flag 挑战中接近专业水平。
多语言能力：MMLU 语言测试显示，GPT-5 与现有模型相当，支持阿拉伯语、中文等多语言推理，适配全球化应用场景。
3. 风险治理：结构化 safeguards 体系
准备框架（Preparedness Framework）：针对“高生物化学风险”实施多层防护，包括：
- 模型训练：融入生物威胁分类（如生物武器化、高危 dual use 生物学），最小化恶意用途风险；
- 系统级防护：两级监控（快速分类器 + 推理模型）拦截有害内容；
- 账户级执行：扫描对话识别政策违规，联动执法应对极端情况；
- API 访问控制：推出safety_identifier字段，限制高风险生物信息请求。红队测试常态化：联合外部机构（如 Apollo Research、SecureBio）开展暴力攻击、prompt 注入等专项测试，提前暴露风险并迭代 safeguards。
综上，GPT-5 通过技术创新与严谨的风险治理，实现了“能力边界拓展”与“安全底线坚守”的协同，为 AI 大规模落地提供了参考范式。
全文翻译
异常了。我们让他翻译全文，出了问题，如下片段重复进行死循环
Hang住了
全文翻译稳定性赶不上QWEN3
视频阅读
我们上传一个已经下载好的MP4视频，来自 www.youtube.com/watch?v=AJp…
输出
根据您提供的视频截图，这是一个关于**Anthropic公司最新人工智能编程工具“Claude Code”**的产品演示视频。以下是视频的详细内容分析：
1. 视频概述
视频由两位主持人介绍，主要展示了如何使用“Claude Code research preview”（研究预览版）来开发一个功能完整的聊天应用程序。该应用是一个客户支持AI代理，利用了Anthropic的Claude大语言模型。2. 核心演示流程
* 项目初始化: 视频开始于一个标准的开发环境。主持人通过终端命令启动了一个名为“customer-support-agent”的项目。
* 项目分析: 使用Claude Code的第一个任务是分析整个项目的结构和代码库。AI助手读取了README.md和package.json等关键文件，生成了一个详细的项目概述，解释了应用的技术栈（Next.js, React, Tailwind CSS）和各个组件的作用。
* 功能开发 - 添加聊天历史:
* 需求提出: 主持人要求AI为应用添加“聊天历史”功能，包括显示历史聊天列表、添加“新建聊天”按钮以及实现聊天的保存和加载。
* 代码修改: Claude Code直接在终端中操作，逐步修改了多个关键的React组件文件：
* 将左侧边栏的“Thinking”组件替换为“Chat History”组件。
* 在顶部导航栏添加了“New Chat”按钮。
* 更新了聊天区域（ChatArea）的代码，以支持聊天历史的本地存储（localStorage）和状态管理。
* 功能验证: 修改完成后，视频展示了新功能的实际运行效果。用户现在可以在左侧看到聊天历史列表，点击可以加载之前的对话，也可以创建新的聊天。
* 自动化测试: 为了确保代码质量和功能的正确性，Claude Code被要求为新增的聊天历史功能编写单元测试。视频展示了从安装Jest测试框架，到编写测试用例，再到最终所有测试成功通过的完整过程。
* 应用构建与部署: 最后，视频进行了生产环境的构建（npm run build），并解决了一些构建过程中遇到的Babel配置问题。整个过程以将代码变更提交到Git仓库并推送到主分支作为结束。3. 视频传达的信息
* 产品定位: Claude Code被定位为一个能够理解复杂代码库、执行多步骤开发任务、并与开发者协作的“AI编码伙伴”。
* 核心价值主张: 该工具旨在通过AI辅助，大幅提升软件开发的效率，特别是在需要理解现有代码和进行复杂修改的场景下。
* 技术亮点: 展示了AI不仅限于生成简单代码片段，还能进行系统级的架构理解、跨文件代码修改、端到端的任务完成（从分析到测试再到部署）。总而言之，这个视频是一个功能强大且令人印象深刻的AI编程工具 demonstration，旨在向开发者群体展示Claude Code在未来软件开发工作流中可能扮演的革命性角色。
视频提问题
发票识别
之前我们测试过Qwen2 VL模型，基于QwenVL2.5模块实现发票识别，
通过官方BigModel平台的API调用，JAVA示例代码
依赖(其下部分依赖有漏洞，请大家自行升级)
<dependency> <groupId>ai.z.openapi</groupId> <artifactId>zai-sdk</artifactId> <version>0.0.2</version></dependency>测试代码
public class Main { public static void main(String[] args) { long startTime = System.currentTimeMillis(); String apiKey = ""; // Enter your own APIKey ZaiClient client = ZaiClient.builder() .apiKey(apiKey) .build(); ChatCompletionCreateParams request = ChatCompletionCreateParams.builder() .model("glm-4.5v") .messages(Arrays.asList( ChatMessage.builder() .role(ChatMessageRole.USER.value()) .content(Arrays.asList( MessageContent.builder() .type("text") .text("请提取这张照片的内容，其中内容格式‘机器编号’、‘发票代码’、‘发票号码’、‘开票日期’、‘校 验 码’、‘购买方名称’、‘购买方纳税人识别号’、‘购买方地 址、电 话’、‘开户行及账号’、‘货物或应税劳务、服务名称’、‘规格型号’、‘单 位’、‘数 量’、‘单 价’、‘金 额’、‘税率’、‘税 额’、‘价税合计（大写）’、‘价税合计（小写）’、‘销售方名称’、‘销售方纳税人识别号’、‘销售方地 址、电 话’、‘销售方地 址、电 话’、‘开户行及账号’、‘备注’、‘收款人’、‘复核’、‘开票人’ 字段返回信息，返回的结果信息以json格式返回") .build(), MessageContent.builder() .type("image_url") .imageUrl(ImageUrl.builder() .url("https://source.xtechcn.com/xrhsc/other/2025/05/21/1925128521245523968.jpg").build()) .build())) .build())) .build(); ChatCompletionResponse response = client.chat().createChatCompletion(request); if (response.isSuccess()) { Object reply = response.getData().getChoices().get(0).getMessage().getContent(); System.out.println(reply); } else { System.err.println("Error: " + response.getMsg()); } long endTime = System.currentTimeMillis(); double duration = (endTime - startTime) / 1000.0; System.out.println("方法运行时间: " + duration + " 秒"); }}发票识别方法运行时间: 22.257 秒，正确率100%
结论
GLM4.5V看上去另一个视觉模型后期之秀，场景如UI自动化配置Midscene.js的AI视觉识别，在视频理解，复制网页，图像识别正确率相比其他模型有所进步。目前开源可以自行部署。
