GLM-4.1V-Thinking是智谱AI（Zhipu AI）与清华大学KEG实验室联合推出的多模态推理大模型。这款模型并非简单的版本迭代，而是通过一个以“推理为中心”的全新训练框架，旨在将多模态模型的能力从基础的视觉感知，推向更复杂的逻辑推理和问题解决层面。多模态理解能力接近720亿的Qwen2.5-VL-72B。
本次发布的模型有2个版本，分别是基础版本的GLM-4.1V-Base和带推理能力的GLM-4.1V-Thinking。
的发布并非孤立事件，它伴随着一个基础模型 共同开源。也是智谱训练模型的一个顺序。首先，智谱构建一个潜力巨大的视觉语言基础模型GLM-4.1V-9B-Base，再通过精细化的对齐和强化学习，充分释放其在复杂任务上的推理潜能。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
该模型的核心亮点可以概括为以下几个方面：
GLM-4.1V-Thinking 在横跨8大类、28个主流多模态基准测试中的表现非常惊喜。
从这个评测结果数据中，我们可以看到下面几个关键情况：
智谱开源的这个多模态推理大模型一个很重要的创新是引入了**可扩展强化学习与课程采样（Reinforcement Learning with Curriculum Sampling, RLCS）**机制，我们简单介绍一下。
传统的多模态模型在经过监督微调（SFT）后，虽然能理解指令并生成内容，但在处理需要多步骤、长链条思考的复杂问题时，往往力不从心。智谱AI认为SFT阶段的核心作用并非注入新知识，而是将模型的输出格式与人类期望的“思考过程（<think>）+最终答案（<answer>）”对齐。这一步仅仅是“扶上马”。
要让模型学会如何“跑得好、跑得远”，就需要强化学习（RL）阶段。RL通过一个精密的奖励系统，对模型的每一步思考和最终答案进行评估和反馈，引导模型自主探索更优的解题路径，从而真正提升逻辑推理的质量和准确性。
强化学习的挑战在于效率和稳定性。如果训练样本过于简单，模型学不到新东西；如果过于困难，模型又会因频繁受挫而难以收敛。RLCS 正是为此而设计。
该机制巧妙地融合了“课程学习”（Curriculum Learning）的思想，即由易到难地安排学习内容。它在训练过程中实时评估每个样本对于当前模型的难度，并动态调整采样策略：
通过这种动态的“因材施教”，RLCS 显著提升了训练效率和模型的性能上限。技术报告中的数据显示，在引入RL后，模型在多个任务上的准确率获得了高达 +7.3% 的巨幅提升，直观地证明了该框架的有效性。
上图清晰展示了，相较于仅经过SFT的模型，增加了RL训练后，模型在各个维度的能力均得到了实质性增强。
GLM-4.1V-Thinking 的发布，为多模态领域的研究和应用注入了新的活力。最关键的是，这两个模型都是MIT开源协议开源的，意味着可以完全免费商用！且消费级显卡也能部署！（18GB显存以上，量化后可以期待更低显存资源）
关于GLM-4.1V-9B模型的开源地址和在线演示地址可以参考DataLearnerAI的大模型信息卡：
GLM-4.1V-9B-Thinking：https://www.datalearner.com/ai-models/pretrained-models/GLM-4_1V-9B-Thinking GLM-4.1V-9B-Base：https://www.datalearner.com/ai-models/pretrained-models/GLM-4_1V-9B-Base
