视觉语言大模型（VLM）作为智能系统的核心基础，正在不断从基础的“识别”向更深层的“推理”跃迁。今年上半年，多模态大模型在视觉领域呈现百花齐放之势，各厂商竞相布局。然而，视觉能力的下一站是“推理”——不满足于让模型读图后回答“这是什么”，更需其调用推理能力理解背后的意图与情境。这种对视觉逻辑和上下文的理解能力，既是实现通用人工智能（AGI）的关键一步，也是构建智能体与机器人的核心基石。
而智谱于 8 月 11 日正式开源的 GLM-4.5V，似乎正是为此而来。
GLM-4.5V 基于智谱新一代旗舰文本基座模型 GLM-4.5-Air，延续 GLM-4.1V-Thinking 技术路线，拥有 1060 亿参数，120 亿激活参数。通过高效混合训练，模型显著升级了对多类型视觉内容的处理能力，实现全场景视觉推理覆盖，包括：
- 图像推理（场景理解、复杂多图分析、位置识别）
- 视频理解（长视频分镜分析、事件识别）
- GUI 任务（屏幕读取、图标识别、桌面操作辅助）
- 复杂图表与长文档解析（研报分析、信息提取）
- Grounding 能力（精准定位视觉元素）
同时，还新增了思考模式的开关功能，用户可自主控制模型是否进行思考。官方数据显示，GLM-4.5V 在 41 个公开视觉多模态榜单中，综合效果已达到同级别开源模型 SOTA，涵盖图像、视频、文档理解以及 GUI Agent 等常见任务。这一波操作下来，可谓十分符合其“卷王”定位。
302.AI 已第一时间接入 GLM-4.5V 模型，用户可在线调用 API 或直接在聊天机器人使用。本次测评将聚焦视觉语言模型的核心性能，以 GLM-4.5V 正面对比多模态顶尖模型 GPT-5、Gemini 2.5 Pro 及 Claude Sonnet 4，直观感受一下其实际性能表现。
I. 实测模型基本信息
| 参与对比测评的模型 | 输入价格 | 输出价格 | 上下文长度 |
| glm-4.5v | $0.29/ 1M 输入长度[0, 32k] $0.58/ 1M 输入长度[32k,64k] | $0.86/ 1M 输入长度[0, 32k] $1.72/ 1M 输入长度[32k,64k] | 64000 |
| gpt-5 | $1.25 / 1M | $10 / 1M | 400000 |
| gemini-2.5-pro | $1.25 / 1M | $10 / 1M | 1000000 |
| claude-sonnet-4-20250514 | $3.3 / 1M | $16.5 / 1M | 200000 |
Ⅱ. 实测案例
实测 1：视觉推理谜题
提示词：请根据图片判断问号处应当填写什么？
正确答案：13
GLM-4.5V：回答正确。
GPT-5：回答错误。
Gemini 2.5 Pro：回答错误。
Claude Sonnet 4：回答正确。
实测 2：reCAPTCHA识别
提示词：请识别图上的两个英文单词
正确答案：overlooks, inquiry
GLM-4.5V：识别准确。
GPT-5：很有原则的模型，检测到是 reCAPTCHA 后拒绝识别。
Gemini 2.5 Pro：识别准确。
Claude Sonnet 4：识别准确，且补充了单词释义。
实测 3：猜地图游戏
提示词：这是在哪里？请在得出结论后用json格式输出：大洲-国家-省份/州-市-经度-纬度，键名为：’continent’, ‘country’, ‘state’, ‘city’, ‘place_name’, ‘lat’, ‘lng’。
图示地点为曼谷一家咖啡店 Factory Coffee 的俯拍图，对图中的车牌和店铺 logo 做了模糊处理，无明显标志性信息。
GLM-4.5V：接近准确。充分调动了环境分析。
GPT-5：接近准确。调动了环境和文化分析。
Gemini 2.5 Pro：准确率最佳。甚至指出了具体店名和准确坐标，可见 Google 丰富的街景数据库确实轻松拿捏。
Claude Sonnet 4：未推断出具体地点。
实测 4：图表理解
提示词：找出图表中 2025 上半年 GDP 值最大的城市，并且计算它占表内30个城市总 GDP 的百分之多少。
答案： GDP 值最大的城市是上海，百分比约为 9.16%
GLM-4.5V：计算结果近似但不准确。
GPT-5：计算结果近似但不准确。
Gemini 2.5 Pro：计算结果不准确。
Claude Sonnet 4：计算结果不准确。
实测 5：网页复刻
提示词：请用 HTML/CSS/JS 实现如图所示的类似网页。
GLM-4.5V：排版布局最接近原网页，尽量达成了复刻。但对组件的比例关系控制较弱，UI 有很大优化空间。
GPT-5：表现较好，自主丰富了轮播图交互和组件细节，UI 整体度最佳。
Gemini 2.5 Pro：自主更改了网页布局，不够还原，但板块比例协调度尚可。
Claude Sonnet 4：组件布局分配最合理，UI 美观，不足之处在于右上角的余额、历史消耗和请求次数功能出现了重复。
III. 智谱GLM-4.5V实测结论
1. 实测结果整理：
评测标准：
- ★（不可用）：代码完全无法执行或存在错误导致功能缺失
- ★★（明显缺陷）：基础功能可运行但存在明显 bug，或核心功能未实现
- ★★★（基本实现）：主要功能可用，但欠缺部分功能，或 UI/UX 需优化
- ★★★★（完整实现）：功能完整实现，代码规范，交互流畅，达到预期效果
- ★★★★★（卓越实现）：功能表现超出预期，包含创新性实现或优化
| GLM-4.5V | GPT-5 | Gemini 2.5 Pro | Claude Sonnet 4 | |
| 视觉推理谜题 | ✔️ | ❌ | ❌ | ✔️ |
| reCAPTCHA识别 | ✔️ | – | ✔️ | ✔️ |
| 猜地图游戏 | ✔️ | ✔️ | ✔️ | ❌ |
| 图表理解 | ❌ | ❌ | ❌ | ❌ |
| 网页复刻 | ★★★★ | ★★★★★ | ★★★★ | ★★★★ |
2. 实测结论
从上述几个维度的实测效果来看，GLM-4.5V 在多模态任务中确实具备比肩顶级闭源模型的竞争力，尤其在视觉推理和 GUI 交互场景的优势尤为显著，具体表现为以下几点：
- 深度视觉推理能力跻身第一梯队。在需要多步隐式推理的复杂任务场景中，如视觉谜题解析、GeoGuessr 地理定位等，GLM-4.5V 展现出与 GPT-5、Claude Sonnet 4 等顶尖闭源模型相当的多模态推理能力。这一优势在智谱团队参与的图寻挑战赛中也得到实证：在与 20,000+ 人类玩家同台竞技时，GLM-4.5V 能够凭借对地理特征和人文要素的跨模态关联分析，取得全球第 66 名的优异成绩，超越 99% 的人类参赛者，这也验证了其从基础”感知”到高级”认知”的技术跃升。
- GUI 任务执行展现出适应开发需求的新潜力。在网页复刻的任务执行中，GLM-4.5V 表现出较完整的还原能力，尽管在 UI 细节美化（如组件视觉层次、布局合理性）方面与顶尖闭源模型仍存在差距，但也不可否定其在基础开发需求、需要快速原型交付等任务中当中展现出了极具潜力的应用价值。
- 开源性价比凸显成本优势。凭借 64K 长上下文及输入成本仅为 GPT-5 的 23%，在多模态模型当中或能成为轻量化的理想选择。此外，智谱还同步开源了一个桌面助手应用，它能实时的截屏、获取屏幕信息，基于 GLM-4.5V 的多模态能力进一步拓展了其应用边界。
总而言之，GLM-4.5V 以开源之姿展现出了对标商用顶级模型的竞争力。但在多模态竞争当中，不同模型在不同任务中又呈现多样的出差异化表现，这恰恰揭示了当前视觉语言大模型在通用能力构建上的技术瓶颈。可以预见，随着多模态融合技术的持续进化，视觉语言模型的应用边界将进一步拓宽，而在这一进程中， GLM-4.5V 的开放生态无疑为行业技术进步提供了更多可能性。
Ⅳ. 如何在 302.AI 上使用
1. 聊天机器人中使用
步骤指引 ：应用超市→机器人→聊天机器人
模型选择：国产模型→GLM-4.5V→确认→创建
2. 使用模型 API
相关文档：API超市→语言大模型→国产模型
API 名称：glm-4.5v→查看文档→调试
想即刻体验 GLM-4.5V 系列模型？ 👉立即注册免费试用302.AI，开启你的AI之旅！👈
为什么选择302.AI？
● 灵活付费：无需月费，按需付费，成本可控
● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求
● 开源生态：支持开发者深度定制，打造专属AI应用
● 易用性：界面友好，操作简单，快速上手
