z-ai

Z.ai: GLM 4.5V

GLM-4.5V — мультимодальная vision-language модель для задач, где ИИ-агенту нужно анализировать изображения и видео и работать с визуальной информацией. Она построена на архитектуре Mixture-of-Experts (MoE) и поддерживает два режима вывода: для углублённых рассуждений и для быстрых ответов. Модель предназначена для понимания видео, ответов на вопросы по изображениям, распознавания текста и разбора документов. Также в исходнике отмечены задачи веб-кодирования по визуальным материалам, привязки объектов к контексту и пространственного рассуждения.