元宇宙的文旅賽道，還能如何發力？
來源：X增強現實蘋果推出Vision Pro，為XR行業注入一劑強心針。而在蘋果開發者大會上迪士尼CEO鮑勃·艾格在宣布迪士尼與蘋果達成合作，其Disney+流媒體服務將于Vision Pro
8 月 11 日消息，智譜 AI 今日推出全球 100B 級效果最佳的開源視覺推理模型 GLM-4.5V（總參數 106B，激活參數 12B），并同步在魔搭社區與 Hugging Face 開源。此外，API 調用價格低至輸入 2 元 / M tokens，輸出 6 元 / M tokens。
從官方介紹獲悉，GLM-4.5V 基于智譜新一代旗艦文本基座模型 GLM-4.5-Air，延續 GLM-4.1V-Thinking 技術路線，在 41 個公開視覺多模態榜單中綜合效果達到同級別開源模型 SOTA 性能，涵蓋圖像、視頻、文檔理解以及 GUI Agent 等常見任務。
在多模態榜單之外，其更重視模型在真實場景下的表現與可用性。GLM-4.5V 通過高效混合訓練，具備覆蓋不同種視覺內容的處理能力，實現全場景視覺推理，包括：
圖像推理（場景理解、復雜多圖分析、位置識別）
視頻理解（長視頻分鏡分析、事件識別）
GUI 任務（屏幕讀取、圖標識別、桌面操作輔助）
復雜圖表與長文檔解析（研報分析、信息提取）
Grounding 能力（精準定位視覺元素）
同時，模型新增“思考模式”開關，用戶可靈活選擇快速響應或深度推理，平衡效率與效果。為幫助開發者直觀體驗 GLM-4.5V 的模型能力，打造專屬于自己的多模態應用，智譜 AI 同步開源了一款桌面助手應用。
該桌面應用可實時截屏、錄屏獲取屏幕信息，并依托 GLM-4.5V 處理多種視覺推理任務，日常處理如代碼輔助、視頻內容分析、游戲解答、文檔解讀等多類視覺任務，成為一個能看著屏幕和你一起工作娛樂的伙伴。我們也希望通過模型開源和 API 服務，賦能更多有想法的開發者，基于多模態基座模型發揮創意和想象，把過去科幻電影中的場景變為現實。
本文鏈接：http://www.www897cc.com/showinfo-45-26079-0.html智譜視覺推理模型 GLM-4.5V 上線并開源，號稱“全球 100B 級效果最佳”
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號