模型定位
GLM-4.1V-9B-Thinking 是基於 GLM-4-9B-0414 的 9B 級視覺語言推理模型,結合思考範式與強化學習,面向複雜多模態理解和推理任務。官方已公開模型權重,模型卡標註 MIT 授權條款。(huggingface.co)
能力與用途
- 支援中文和英文、影像與文字理解及推理,適合影像問答、學科問題求解、長文件理解和多模態智慧代理等場景。
- 官方模型卡標稱支援 64K 上下文、任意長寬比及最高 4K 解析度影像;官方儲存庫還提供影片推理相關程式碼。
- 官方報告稱,在其列出的 28 項評測中,該模型有 23 項達到 10B 級模型最佳;這些結果反映特定評測條件,不代表所有實際任務的表現。(huggingface.co)
限制
模型可能產生錯誤或不可靠的視覺識別與推理結果,重要結論應經人工核驗。64K 上下文和 4K 影像是官方標稱能力,實際可用長度、影像處理方式和部署資源需求取決於推理框架及部署配置。影片推理需參照官方儲存庫的實作,不應據此推斷所有 API 平台均支援相同影片輸入方式。(huggingface.co)
發布日期
2025 年 7 月 1 日。官方 GitHub 儲存庫當天的更新紀錄宣布發布該模型及技術報告。(github.com)
價格
截至 2026 年 11 月 18 日,未能核實該具體 9B 模型在智譜官方國內平台的人民幣輸入及輸出 API 價格;國內定價頁面需要 JavaScript,目前讀取未取得價格表。官方國際站美元定價頁面未列出該具體模型,輸入及輸出價格亦未核實。這不表示模型免費,也不將其他型號或第三方平台價格視為本模型官方報價。(open.bigmodel.cn)