GLM-4.1V-9B-Thinking

GLM-4.1V-9B-Thinking — это открытая Vision-Language Model (VLM), совместно выпущенная Zhipu AI и лабораторией KEG Университета Цинхуа, разработанная для продвижения универсального мультимодального рассуждения. Основанная на базовой модели GLM-4-9B-0414, она вводит 'парадигму мышления' и использует обучение с подкреплением с выборочным обучением (RLCS) для значительного улучшения своих возможностей в сложных задачах. Будучи моделью с 9B параметрами, она достигает передовых результатов среди моделей аналогичного размера, а её результаты сопоставимы или даже превосходят гораздо более крупную модель Qwen-2.5-VL-72B с 72B параметрами на 18 различных тестах. Модель превосходно справляется с разнообразными задачами, включая решение STEM задач, понимание Video и длинных документов, а также она может обрабатывать Image с разрешением до 4K и произвольными соотношениями сторон.