Model Releases
Zhipu GLM-4.1V: Новый стандарт в мультимодальных моделях с открытым кодом
Открытая 32B мультимодальная модель от Zhipu AI с мощным логическим мышлением и конкурентоспособными результатами на задачах зрения.
25 апреля 2025 г.
Model ReleaseZhipu GLM-4.1V
Введение: Что такое Zhipu GLM-4.1V и почему это важно
Модель Zhipu GLM-4.1V представляет собой значительный шаг вперед в области мультимодальных нейросетей, разработанных китайской компанией Zhipu AI. Эта модель была официально выпущена 25 апреля 2025 года и сразу привлекла внимание сообщества разработчиков благодаря своей архитектуре и доступности. В условиях глобального гонки за искусственный интеллект, Zhipu AI демонстрирует, что китайские стартапы способны создавать конкурентоспособные флагманские модели, использующие отечественные чипы и технологии.
Ключевым преимуществом новой версии является сочетание высокой вычислительной мощности с полной открытостью исходного кода. Это позволяет исследователям и инженерам глубоко изучать внутреннюю работу модели, что критически важно для внедрения в корпоративные среды. Модель позиционируется как универсальный инструмент, способный решать сложные задачи, требующие не только генерации текста, но и глубокого понимания визуального контекста.
- Дата выпуска: 25 апреля 2025 года
- Статус: Open Source
- Разработчик: Zhipu AI
Ключевые особенности и архитектура
Архитектура GLM-4.1V построена на основе трансформерной модели с использованием механизма Mixture of Experts (MoE). Это позволяет модели эффективно распределять вычислительные ресурсы между различными задачами, обеспечивая высокую скорость инференса при сохранении качества. Доступны две основные версии: мощная 32B версия для сложных задач и облегченная 9B версия для быстрой обработки запросов в реальном времени.
Мультимодальные возможности модели выходят за рамки простого распознавания изображений. GLM-4.1V способна анализировать диаграммы, коды, научные графики и выполнять логические выводы на основе визуальных данных. Поддержка контекстного окна в 128K токенов позволяет обрабатывать длинные документы и видео-потоки без потери качества информации.
- Параметры: 32B и 9B версий
- Архитектура: MoE (Mixture of Experts)
- Контекстное окно: 128K токенов
- Поддержка: Текст, Изображения, Код
Производительность и бенчмарки
На тестовых бенчмарках Zhipu GLM-4.1V демонстрирует результаты, сопоставимые с ведущими западными моделями. В тесте MMLU модель набирает 86.5 баллов, что свидетельствует о высоком уровне понимания общих знаний. На задаче HumanEval, оценивающей способность писать рабочий код, модель показывает 92% точности, что делает ее привлекательной для разработчиков.
Специфические тесты на мультимодальные задачи показывают, что модель превосходит предыдущие версии GLM-4 на 15% в задачах визуального логического вывода. В бенчмарке SWE-bench модель успешно решает 35% сложных задач по исправлению кода, что подтверждает ее готовность к использованию в инженерных командах. Эти цифры делают GLM-4.1V серьезным конкурентом для Qwen-VL и Llama-3-Vision.