CONFERMATOAffidabilità della data: CONFERMATOIndicato come definitivoQuanto la fonte è netta sulla data: confermata, programmata, stimata, rinviata o non verificata.Mostra tutti i pin CONFERMATOAFFIDABILITÀ 82%Affidabilità complessiva: 82%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 6 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
Gli aggiornamenti del progetto nella scheda del modello riportano "2025/08/11: We released GLM-4.5V"; OpenRouter[6] elenca z-ai/glm-4.5v all'11 agosto 2025 e la revisione GLM-4.5V dell'articolo arXiv[5] è seguita il 13 agosto, mentre i pesi su Hugging Face[1] sono stati caricati il 10 agosto UTC.- Inizio
- 11 ago 2025AFFIDABILITÀ 90%da la fonte
Rilasciato GLM-4.5V
Tradotto automaticamente dall’originale
Titolo originale: GLM-4.5V Released
Z.ai rilascia GLM-4.5V, un modello visione-linguaggio open-weight mixture-of-experts da 106B con 12B di parametri attivi, costruito su GLM-4.5-Air con un interruttore Thinking Mode e capacità di agente GUI e grounding, e dichiara risultati allo stato dell'arte tra i modelli aperti di dimensioni simili su 42 benchmark pubblici.
- Z.ai (Zhipu AI) ha rilasciato GLM-4.5V l'11 agosto 2025, il suo modello visione-linguaggio open-weight di punta, disponibile su Hugging Face, GitHub, sulla piattaforma API di Z.ai e su Z.ai Chat con licenza MIT, insieme a un'app assistente desktop che legge lo schermo del PC tramite screenshot o registrazioni[1][2]
- È costruito su GLM-4.5-Air, il modello di testo da 106B parametri con 12B attivi, prosegue l'approccio di GLM-4.1V-Thinking e, secondo Z.ai, raggiunge prestazioni allo stato dell'arte tra i modelli della stessa dimensione su 42 benchmark pubblici visione-linguaggio che coprono immagini, video, documenti e agenti GUI[1][5]
- Il grafico di Z.ai gli assegna 88.2 su MMBench v1.1 (Qwen2.5-VL 72B: 88.0), 84.6 su MathVista, 65.6 su MathVision contro 38.1 di Qwen2.5-VL, 35.8 su OSWorld contro 8.8, 57.0 su AndroidWorld e 91.3 su RefCOCO-avg; il paper aggiunge che è competitivo con Gemini-2.5-Flash o migliore in alcuni compiti, tra cui programmazione e agenti GUI[1][5]
- Un interruttore Thinking Mode, come in GLM-4.5, permette di scambiare risposte rapide con un ragionamento più profondo; docs.z.ai indica $0.60 per milione di token in ingresso e $1.80 per milione di token in uscita con fino a 16K token in uscita, e OpenRouter indica gli stessi prezzi con un contesto da 65,536 token[1][2][6]
- GLM-4.5V è il passo visivo tra GLM-4.5, solo testo, di luglio 2025 e GLM-4.6V di dicembre 2025, che ha aggiunto la chiamata di funzioni nativa e un contesto di 128K[5]
Funzionalità principali
- Ragionamento visivo a tutto campo: comprensione di scene e analisi multi-immagine, segmentazione di video lunghi e riconoscimento di eventi, lettura di interfacce grafiche e uso del desktop, analisi di rapporti di ricerca e grafici, e grounding che restituisce riquadri di delimitazione normalizzati a 0-1000[1]
- Codifica di pagine web da screenshot o registrazioni e azioni di agenti GUI come cliccare e scorrere, oltre alla risoluzione di problemi K12 che mescolano testo e immagini[2]
- Dettagli dell'architettura riportati da SiliconFlow e Labellerr: 3D-RoPE per il ragionamento spaziale, convoluzione 3D per un input video efficiente, interpolazione bicubica per immagini ad altissima risoluzione o con proporzioni estreme e tre fasi di addestramento: pre-addestramento, SFT con catena di pensiero e RL che combina RLVR e RLHF[3][4]
- I modelli della famiglia condividono lo stesso percorso di codice in transformers (glm4v_moe) e nel serving con vLLM e SGLang; il modello gemello GLM-4.1V-9B-Thinking supera Qwen2.5-VL-72B in 29 benchmark nonostante le dimensioni[1][5]
Benchmark
Un sottoinsieme di righe del grafico GLM-4.5V di Z.ai su docs.z.ai; "*" indica i risultati che Z.ai ha riprodotto da sé e "/" i dati non riportati[2].
| Benchmark | GLM-4.5V (106B-A12B, con ragionamento) | Step-3 (321B-A38B, con ragionamento) | Qwen2.5-VL 72B (senza ragionamento) | GLM-4.1V 9B (con ragionamento) | Kimi-VL-2506 (16B-A3B, con ragionamento) | Gemma-3 27B (senza ragionamento) |
|---|---|---|---|---|---|---|
| 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 (senza sottotitoli) | 74.6 | / | 73.3 | 68.2 | 67.8 | 58.9* |
| VideoMMMU | 72.4 | / | 60.2 | 61.0 | 65.2 | 54.5* |