跳到正文

GLM-4V-9B

中英双语视觉对话的开源多模态模型

访问官网

GLM-4V-9B 是什么

GLM-4V-9B 被介绍为智谱 AI 推出的新一代预训练模型,支持 1120*1120 高分辨率下的中英双语多轮对话,并具备视觉理解能力。

你可以用它做什么

  • 处理图像并生成描述文本
  • 进行中英双语多轮对话
  • 在文字识别与图表理解等任务上表现出色

上手流程

  • 导入 torch、PIL 和 transformers 等 Python 库
  • 用 AutoTokenizer 从 THUDM/glm-4v-9b 获取分词器
  • 准备文本与 RGB 图像,再应用聊天模板生成输入

优点与缺点

✓ 我们认可的地方

  • 支持使用 Python 调用模型并生成文本
  • 提供模型权重的使用协议

! 需要留意的地方

  • 调用流程需要 torch、PIL、transformers 等库
  • 输入图像需先转换为 RGB 格式

常见问题

资料列出的分辨率是多少?

资料说明支持 1120*1120 高分辨率。

如何调用?

步骤列出 torch、PIL 和 transformers 等 Python 库。

最后评测: 2026-11-15

更多 AI 聊天助手 工具

查看全部 →

评测方法