Точный ID весов
zai-org/GLM-4.5V
Модель Z.ai
GLM-4.5V: анализ визуальных материалов и интерфейсов
zai-org/GLM-4.5V — самостоятельный vision-language checkpoint, созданный на основе GLM-4.5-Air. Буква V меняет тип входа: это не просто текстовая Air с иным названием.
Коротко
Что важно знать о GLM-4.5V
Официальный паспорт перечисляет изображения, видео, сложные диаграммы, длинные документы и GUI-задачи. Он описывает grounding с координатами объекта и переключение thinking-mode, а пример загрузки принимает изображение плюс вопрос. Практический интент — анализ визуального отчёта, скриншота интерфейса или набора кадров с проверяемым текстовым ответом. Документация также показывает пример GUI-агента; реальное управление компьютером выполняет отдельное приложение, а не веса сами по себе. Сравнения на 42 тестах остаются данными разработчика, не независимым рейтингом.
Что умеет модель
Главные возможности — коротко. Полные условия и параметры доступны ниже.
Ввод
изображение и текст; паспорт описывает также видео
Особенность
grounding и переключаемый thinking
Лицензия весов
MIT по метаданным модели
Все 4 характеристик, доступ и API
- Точный ID весов
- zai-org/GLM-4.5V
- Ввод
- изображение и текст; паспорт описывает также видео
- Особенность
- grounding и переключаемый thinking
- Лицензия весов
- MIT по метаданным модели
Сценарии
Для каких задач подходит
- вопросы по диаграммам и визуальным отчётам
- поиск элементов на скриншоте с координатами
- исследование видео и GUI с контролируемым исполнителем
Выбирайте 4.5V, когда вход действительно включает изображение, кадры либо сложную страницу. Для чисто текстового кода и инструкции достаточно оценить Air без визуального конвейера. Если бюджет инфраструктуры ограничен, сравните с 4.1V-9B-Thinking на одинаковых изображениях; версии различаются масштабом и шаблоном беседы. В пилоте требуйте указать исходный фрагмент, а координаты проверяйте по реальному размеру изображения.
До внедрения
Что проверить
Grounding выдаёт нормированные координаты и может ошибаться на плотном интерфейсе; любое последующее действие должно подтверждаться приложением. Паспорт отмечает оставшиеся проблемы и зависимость от версий библиотек, особенно на больших видео. Не раскрывайте персональные данные со скриншотов без разрешения. Метка image-text-to-text не означает, что модель создаёт новое изображение или воспроизводит видео.
Доступ и интеграция
В точной карточке zai-org/GLM-4.5V указана метка MIT для весов. Отдельный LICENSE в просмотренном дереве checkpoint не найден; код проекта GLM-V размещён отдельно под Apache-2.0. Не объединяйте эти основания в один несуществующий лицензионный файл. Паспорт ссылается на демо и платформу, но эта запись не утверждает цену, SLA или географическую доступность.
Русский язык
GLM-4.5V на русском
Паспорт содержит китайско-английскую ориентацию семейства; точность чтения русских интерфейсов, таблиц и PDF не подтверждена отдельным тестом. Проверьте собственные сканы, размеры шрифта и многостраничные документы.
Внутри линейки
GLM-4.5V и модели Z.ai
Выберите до четырёх версий и сопоставьте задачу, контекст и доступ. Неуказанная цена не считается нулевой.
Сопоставлены назначение и подтверждённые характеристики. Отсутствие значения не означает ноль.
GLM-4.5V
вопросы по диаграммам и визуальным отчётам
- Тип
- Текст и изображения
GLM-4.6V
разбор страницы с таблицами и графиками
- Тип
- Текст и изображения
- Контекст
- 128K в обучении по паспорту
GLM-4.1V-9B-Thinking
вопросы к диаграмме или изображению с несколькими элементами
- Тип
- Текст и изображения
- Контекст
- 64K по паспорту
GLM-4.6V-Flash
локальная проверка вопросов по изображению
- Тип
- Текст и изображения
Другие провайдеры
GLM-4.5V: сравнение с альтернативами
Сравните модели того же типа от разных провайдеров. Числовое место не присваивается версии без независимого измерения.
GLM-4.5V
Официальный паспорт перечисляет изображения, видео, сложные диаграммы, длинные документы и GUI-задачи. Он описывает grounding с координатами объекта и переключение thinking-mode, а пример загрузки принимает изображение плюс вопрос. Практический интент — анализ визуального отчёта, скриншота интерфейса или набора кадров с проверяемым текстовым ответом. Документация также показывает пример GUI-агента; реальное управление компьютером выполняет отдельное приложение, а не веса сами по себе. Сравнения на 42 тестах остаются данными разработчика, не независимым рейтингом.
- Тип
- Текст и изображения
Qwen3.8-27B
Публичный checkpoint Qwen/Qwen3.8-27B принимает текст и визуальные материалы и возвращает текст. Облачная версия Qwen — отдельный канал доступа.
- Тип
- Текст и изображения
Kimi K3
Kimi K3 принимает текст и изображения, работает через официальный API и имеет опубликованные веса. Для API заявлен контекст до миллиона токенов.
- Тип
- Текст и изображения
Связи
Продолжить выбор
Проверка сведений
Подробности и источники
Визуальная модель, а не Air с картинкой
Разработчик называет текстовую GLM-4.5-Air основой, но именно отдельный репозиторий GLM-4.5V содержит мультимодальный процессор и пример вопроса по изображению. Интент для пользователя определяется визуальным вводом: таблица на странице, интерфейс, видеофрагмент или несколько картинок. На контрольном наборе проверяйте не только итоговую фразу, но и связь ответа с конкретным видимым элементом. Чистый текст и визуальный файл следует оценивать раздельно, иначе нельзя понять источник ошибки.
Grounding и GUI не дают модели права действовать
Паспорт показывает формат координат bounding box и GUI-agent пример. Такие ответы можно использовать как подсказки для интерфейса, но клик, ввод текста, доступ к файлам и проверка изменённого состояния остаются обязанностью внешней программы. До автоматизации измерьте ошибки локализации на разных масштабах экрана и научитесь останавливать неверное действие. Точно так же видео в карточке означает возможность анализа входных кадров при настроенном runtime, не самостоятельный медиаплеер.
Лицензия и воспроизводимость
Точный HF-паспорт маркирует веса как MIT, а сопутствующий GLM-V GitHub-проект помечает код Apache-2.0. Отдельного LICENSE в просмотренном дереве весов нет, что нужно отражать честно. Паспорта 4.1V и 4.5V различают шаблоны диалога; сохраните версию процессора и конвертации изображений при повторении теста. Иначе измеренная разница может быть вызвана предобработкой, а не моделью. Данные скриншотов и лицензии внешних библиотек проверяются отдельно.
Вопросы и ответы
FAQ о GLM-4.5V
Что такое GLM-4.5V?
Официальный паспорт перечисляет изображения, видео, сложные диаграммы, длинные документы и GUI-задачи. Он описывает grounding с координатами объекта и переключение thinking-mode, а пример загрузки принимает изображение плюс вопрос. Практический интент — анализ визуального отчёта, скриншота интерфейса или набора кадров с проверяемым текстовым ответом. Документация также показывает пример GUI-агента; реальное управление компьютером выполняет отдельное приложение, а не веса сами по себе. Сравнения на 42 тестах остаются данными разработчика, не независимым рейтингом.
Работает ли GLM-4.5V на русском?
Паспорт содержит китайско-английскую ориентацию семейства; точность чтения русских интерфейсов, таблиц и PDF не подтверждена отдельным тестом. Проверьте собственные сканы, размеры шрифта и многостраничные документы.
Для каких задач подходит GLM-4.5V?
Подходящие сценарии: вопросы по диаграммам и визуальным отчётам; поиск элементов на скриншоте с координатами; исследование видео и GUI с контролируемым исполнителем.
Когда выбирать GLM-4.5V?
Выбирайте 4.5V, когда вход действительно включает изображение, кадры либо сложную страницу. Для чисто текстового кода и инструкции достаточно оценить Air без визуального конвейера. Если бюджет инфраструктуры ограничен, сравните с 4.1V-9B-Thinking на одинаковых изображениях; версии различаются масштабом и шаблоном беседы. В пилоте требуйте указать исходный фрагмент, а координаты проверяйте по реальному размеру изображения.
Какие ограничения есть у GLM-4.5V?
Grounding выдаёт нормированные координаты и может ошибаться на плотном интерфейсе; любое последующее действие должно подтверждаться приложением. Паспорт отмечает оставшиеся проблемы и зависимость от версий библиотек, особенно на больших видео. Не раскрывайте персональные данные со скриншотов без разрешения. Метка image-text-to-text не означает, что модель создаёт новое изображение или воспроизводит видео.
Каталог GPT House
Выберите модель по задаче, а не только по названию
Сравните назначение модели со связанными рабочими сценариями и проверьте ее на собственных данных.