GLM-V

一套模型搞定看图、看视频和视觉推理

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 191 🐛 待处理 15 👀 关注 15

GitHub ↗

GitHub 星标 ★ 2406

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源模型权重，免费使用

项目预览

项目数据

分类开源模型

开发团队zai-org

GitHubhttps://github.com/zai-org/GLM-V

定价模式🏷️完全免费

价格说明开源模型权重，免费使用

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型image2text,reasoning,video-understanding,vlm

GitHub 星标★ 2406

上线时间2025-06-28 00:00:00

代码更新2026-10-23

仓库体积34.5 MB

本站数据更新2026-11-01

维护状态较活跃

收录时间2026-11-01

浏览次数0

项目介绍

GLM-V 是智谱开源的多模态视觉语言模型系列，涵盖 GLM-4.6V、4.5V 与 4.1V-Thinking 等版本，主打可扩展强化学习驱动的通用多模态推理。项目解决图文理解、视频理解与复杂视觉推理任务中模型能力割裂的问题，让同一套模型既能做图像描述、文档与图表解析，也能处理长视频内容理解与多步推理。核心能力包括：图像到文本的细粒度理解、视频时序理解、带思维链的视觉推理，以及通过强化学习提升推理深度与稳定性。仓库提供模型权重、推理代码与使用示例，基于 Python 实现，适合研究者与工程团队直接加载评测或二次微调，也可作为多模态应用（如视觉问答、内容审核辅助、教育题目解析）的底座模型。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-11-01 · 当前星标 ★ 2406

技术标签

reasoning video-understanding vlm

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：模型权重 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 环境（项目为 Python 实现）
可访问 GitHub 的 git 客户端
足够的磁盘空间存放模型权重
建议配备 GPU 用于多模态推理（README 未明确说明，属通用建议）

安装与启动步骤

1克隆代码仓库

把 GLM-V 仓库拉到本地并进入目录，后续的推理示例代码都在这个目录内。
```
git clone https://github.com/zai-org/GLM-V.git
cd GLM-V
```
2创建虚拟环境

用独立虚拟环境隔离依赖，避免与系统 Python 包冲突，再激活环境。
```
python -m venv venv
source venv/bin/activate
```
3阅读中文说明

仓库根目录提供 README_zh.md，先看中文版说明与目录结构，了解各版本差异。
4确认模型版本

仓库包含 GLM-4.6V、GLM-4.5V、GLM-4.1V 三个系列，先确定要使用哪个版本再做后续操作。
5查看已知问题

README 中有 Known Issues 与 Fixed and Remaining Issue 段落，动手前先确认当前限制。
6查阅推理示例

README 节选未给出安装命令与权重下载地址，按仓库内推理代码与实际文件说明为准。