8月11日，智谱AI推出全球100B级效果最佳的开源视觉推理模型 GLM-4.5V（总参数 106B，激活参数 12B），并同步在魔搭社区与Hugging Face开源。此外，API调用价格低至输入2元/M tokens，输出6元/M tokens。

GLM-4.5V基于智谱新一代旗舰文本基座模型GLM-4.5-Air，延续GLM-4.1V-Thinking 技术路线，在41个公开视觉多模态榜单中综合效果达到同级别开源模型SOTA性能，涵盖图像、视频、文档理解以及GUI Agent等常见任务。比如，GLM-4.5V能够根据用户提问，精准识别、分析、定位目标物体并输出其坐标框。

据介绍，多模态推理被视为通向通用人工智能（AGI）的关键能力之一，让AI能够像人类一样综合感知、理解与决策。其中，视觉-语言模型（Vision-Language Model, VLM）是实现多模态推理的核心基础。