嘿，大家好！今天在github开源了一款超酷的视觉语言模型——GLM - 4.1V - 9B - Thinking！
9b大小效果还很不错。同时加入了推理能力，可以回答很复杂的问题。

在智能系统的世界里，视觉语言模型（VLMs）就像那些默默耕耘的基石，可随着现实世界AI任务变得越来越复杂，它们也不能只满足于基础的跨模态感知啦。想象一下，要是VLMs能进化得更加聪明，在复杂任务中推理能力超强，那就能解锁像解决复杂问题、理解超长上下文、成为多模态智能代理等超厉害的应用。
这款GLM - 4.1V - 9B - Thinking，就是基于GLM - 4 - 9B - 0414基础模型诞生的全新开源VLM模型。它就像一个勇敢的探险家，专门去探索视觉语言模型推理能力的上限。它引入了“思考范式”，还借助强化学习这个“秘密武器”，让自己的能力直接“起飞”。
更厉害的是，在10B参数的VLM们里，它的表现直接封神，达到了最顶尖的水平。在18个基准测试任务中，它竟然能和参数量高达72B的Qwen - 2.5 - VL - 72B相媲美，甚至还有超越的时候！而且，开发者们还开源了基础模型GLM - 4.1V - 9B - Base，就像给大家打开了一扇门，让更多人能去研究VLM能力的边界。
和之前的CogVLM2以及GLM - 4V系列模型比起来，GLM - 4.1V - Thinking简直是“进化小能手”。它是这个系列里第一个专注于推理的模型，不仅在数学领域表现超神，在其他各种细分领域也是一路“开挂”，成绩遥遥领先。它还能支持64k的上下文长度，就像拥有了一个超大的记忆库；能处理任意宽高比和高达4K分辨率的图像，让视觉处理变得更加灵活精准；还提供了开源版本，支持中英双语使用，无论你是中文控还是英文迷，都能和它愉快“玩耍”。
这么厉害又有趣的GLM - 4.1V - 9B - Thinking，你是不是也心动了，想赶紧去体验一下它的魅力呢？
解锁视觉语言模型的“超脑”新境界！（by chatglm）