GLM-V

GLM-V 是一个开源的多模态大语言模型系列（GLM-4.6V/4.5V/4.1V），专注于提升视觉-语言联合推理能力。其核心特点包括基于强化学习的可扩展推理训练、长上下文理解、跨模态（图像/视频/文本）联合建模，以及面向复杂任务的思维链（Thinking）增强机制。模型支持图像理解、视频时序分析、图文生成与多步逻辑推理，在桌面智能助手、UI自动化、多模态代理等需要深度感知与决策的场景中表现突出。项目提供开源模型权重、API 接口及配套工具链，适用于研究与轻量级工业应用。