CONFIRMÉCertitude de la date: CONFIRMÉAnnoncé comme fermeAvec quelle fermeté la source formule la date : confirmée, programmée, estimée, reportée ou non vérifiée.Voir toutes les épingles CONFIRMÉCONFIANCE 82 %Confiance globale: 82%Dans quelle mesure la source et les références du pin étayent ses dates.Moyenne pondérée de la fermeté avec laquelle 6 références, source comprise, étayent les heures de début et de fin de l’épingle ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récenteAfficher toutes les épingles à 75 % de confiance ou plus
Les mises à jour du projet sur la fiche du modèle indiquent "2025/08/11: We released GLM-4.5V" ; OpenRouter[6] répertorie z-ai/glm-4.5v au 11 août 2025 et la révision GLM-4.5V de l'article arXiv[5] a suivi le 13 août, tandis que les poids Hugging Face[1] ont été mis en ligne le 10 août UTC.- Début
- 11 août 2025CONFIANCE 90 %selon la source
Sortie de GLM-4.5V
Traduit automatiquement de l’original
Titre original: GLM-4.5V Released
Z.ai lance GLM-4.5V, un modèle vision-langage à poids ouverts de 106B à mélange d'experts avec 12B de paramètres actifs, construit sur GLM-4.5-Air avec un commutateur de mode réflexion et des compétences d'agent d'interface graphique et d'ancrage visuel, et revendique des résultats à l'état de l'art parmi les modèles ouverts de taille comparable sur 42 benchmarks publics.
- Z.ai (Zhipu AI) a lancé GLM-4.5V le 11 août 2025, son modèle vision-langage phare à poids ouverts, disponible sur Hugging Face, GitHub, la plateforme API de Z.ai et Z.ai Chat sous licence MIT, avec une application d'assistant de bureau qui lit l'écran du PC à partir de captures ou d'enregistrements[1][2]
- Il est construit sur GLM-4.5-Air, le modèle de texte de 106B paramètres dont 12B actifs, poursuit l'approche de GLM-4.1V-Thinking et, selon Z.ai, atteint des performances à l'état de l'art parmi les modèles de même taille sur 42 benchmarks publics de vision-langage couvrant images, vidéo, documents et agents d'interface graphique[1][5]
- Le graphique de Z.ai lui attribue 88.2 sur MMBench v1.1 (Qwen2.5-VL 72B : 88.0), 84.6 sur MathVista, 65.6 sur MathVision contre 38.1 pour Qwen2.5-VL, 35.8 sur OSWorld contre 8.8, 57.0 sur AndroidWorld et 91.3 sur RefCOCO-avg ; l'article ajoute qu'il est compétitif avec Gemini-2.5-Flash, voire meilleur, sur certaines tâches dont le code et les agents d'interface graphique[1][5]
- Un commutateur de mode réflexion, comme dans GLM-4.5, permet d'échanger des réponses rapides contre un raisonnement plus approfondi ; docs.z.ai indique $0.60 par million de tokens d'entrée et $1.80 par million de tokens de sortie avec jusqu'à 16K tokens de sortie, et OpenRouter indique les mêmes tarifs avec un contexte de 65,536 tokens[1][2][6]
- GLM-4.5V est l'étape vision entre GLM-4.5, texte seul, de juillet 2025 et GLM-4.6V de décembre 2025, qui a ajouté l'appel de fonctions natif et un contexte de 128K[5]
Principales fonctionnalités
- Raisonnement visuel tous azimuts : compréhension de scènes et analyse multi-images, segmentation de vidéos longues et reconnaissance d'événements, lecture d'interfaces graphiques et utilisation du bureau, analyse de rapports de recherche et de graphiques, et localisation renvoyant des cadres englobants normalisés de 0-1000[1]
- Codage de pages web à partir de captures d'écran ou d'enregistrements et actions d'agent GUI comme cliquer et faire glisser, ainsi que résolution de problèmes de niveau K12 mêlant texte et images[2]
- Détails d'architecture rapportés par SiliconFlow et Labellerr : 3D-RoPE pour le raisonnement spatial, convolution 3D pour une entrée vidéo efficace, interpolation bicubique pour les images de très haute résolution ou de format extrême, et trois étapes d'entraînement : préentraînement, SFT en chaîne de pensée et RL combinant RLVR et RLHF[3][4]
- Les modèles de la famille partagent un même chemin de code dans transformers (glm4v_moe) et dans le service vLLM et SGLang ; le modèle frère GLM-4.1V-9B-Thinking bat Qwen2.5-VL-72B sur 29 benchmarks malgré sa taille[1][5]
Benchmarks
Un sous-ensemble de lignes du tableau GLM-4.5V de Z.ai sur docs.z.ai ; "*" marque les résultats que Z.ai a reproduits elle-même et "/" les valeurs non communiquées[2].
| Benchmark | GLM-4.5V (106B-A12B, raisonnement) | Step-3 (321B-A38B, raisonnement) | Qwen2.5-VL 72B (sans raisonnement) | GLM-4.1V 9B (raisonnement) | Kimi-VL-2506 (16B-A3B, raisonnement) | Gemma-3 27B (sans raisonnement) |
|---|---|---|---|---|---|---|
| MMBench v1.1 | 88.2 | 81.1* | 88.0 | 85.8 | 84.4 | 80.1* |
| MMStar | 75.3 | 69.0* | 70.8 | 72.9 | 70.4 | 60.0* |
| MMMU (val) | 75.4 | 74.2 | 70.2 | 68.0 | 64.0 | 62.0* |
| MMMU Pro | 65.2 | 58.6 | 51.1 | 57.1 | 46.3 | 37.4* |
| MathVista | 84.6 | 79.2* | 74.8 | 80.7 | 80.1 | 64.3* |
| MathVision | 65.6 | 64.8 | 38.1 | 54.4 | 54.4* | 39.8* |
| AI2D | 88.1 | 83.7* | 87.6* | 87.9 | 81.9* | 80.2* |
| MMLongBench-Doc | 44.7 | 31.8* | 35.2* | 42.4 | 42.1 | 28.4* |
| OCRBench | 86.5 | 83.7 | 85.1* | 84.2 | 86.9 | 75.9* |
| RefCOCO-avg (val) | 91.3 | 20.2* | 90.3 | 85.3 | 33.6* | 2.4* |
| OSWorld | 35.8 | / | 8.8 | 14.9 | 8.2 | 6.2* |
| AndroidWorld | 57.0 | / | 35.0 | 41.7 | / | 4.4* |
| WebVoyagerSom | 84.4 | / | 40.4* | 69.0 | / | 34.8* |
| Design2Code | 82.2 | 34.1 | 41.9* | 64.7 | 38.8 | 16.1 |
| VideoMME (sans sous-titres) | 74.6 | / | 73.3 | 68.2 | 67.8 | 58.9* |
| VideoMMMU | 72.4 | / | 60.2 | 61.0 | 65.2 | 54.5* |