2025年8月12日，智谱开源发布了GLM-4.5V多模态视觉推理模型，参数规模达100B，在42项基准测试中拿下41个SOTA，登顶多模态榜单。该模型具备看图猜地址、视频转代码、复杂图表推理等强大功能，例如在GeoGuessr游戏中全球排名66，能精准识别《清明上河图》中的细节，并将视频一键还原为网站代码。API价格低至2元/百万token，官方赠送2000万免费额度。GLM-4.5V基于GLM-4.5基座，采用三阶段训练策略，支持图像、视频、文档理解等多场景应用，展现了强大的泛化与推理能力，成为AI多模态领域的新标杆。

8月11日，智谱AI发布全球100B级效果最佳的开源视觉推理模型GLM-4.5V（总参数106B，激活参数12B），并在魔搭社区与Hugging Face同步开源。该模型基于GLM-4.5-Air，综合性能在41个视觉多模态榜单中达同级别SOTA水平，涵盖图像、视频、文档理解等任务。新增“思考模式”开关，可灵活选择快速响应或深度推理，并支持全场景视觉推理，如复杂图表分析、长视频分镜处理等。同时，智谱AI开源一款桌面助手应用，可实时截屏、录屏并依托GLM-4.5V完成代码辅助、文档解读等任务，旨在赋能开发者打造多模态应用场景，将科幻变为现实。API调用价格低至输入2元/M tokens，输出6元/M tokens。

o3出圈玩法“看图猜位置”，豆包免费上线！ o3的“看图猜位置”玩法，如今豆包APP也安排上了，并且功能更强大。比如给出一张东方明珠的照片，豆包不仅能识别出是上海，还能推测出拍摄年份为1999年左右。这得益于其升级的视觉推理能力——图片也能深度思考。 使用方法简单：开启深度思考模式，拍照或上传图片即...

标题：多模态大模型视觉推理能力不足：RBench-V评估显示o3仅25.8%，远低于人类82.3% 多模态时代如何评估模型的视觉输出能力？清华大学、腾讯混元、斯坦福大学等机构联合发布RBench-V，专门评估大模型的视觉推理能力。该基准测试涵盖几何、物理、计数及图形游戏等领域，要求模型生成或修改图像...

标题：OpenAI的“看图思考”，被玩坏了…… 知道大模型开始卷视觉推理了，但没想到这么卷——连数学试卷都快不够用了。 推理分逻辑和演绎两类，GPT-o3更新后两者都有涉及。视觉推理不新鲜，各家都在做，关键是从图片中识别并理解元素，进而应用于交互和任务解决。 Gemini 2.5曾表现出色，但o3刚...

《科创板日报》28日消息，阿里通义千问今日正式推出QVQ-Max视觉推理模型第一版。该模型是对去年12月推出的QVQ-72B-Preview的升级版本，后者虽为探索模型但存在一定局限性。QVQ-Max在多模态处理方面表现出色，不仅能识别图片和视频内容，还可通过分析与推理提供解决方案，涵盖数学题解答、生活问题处理、编程代码生成及艺术创作等多个领域。这一新模型的发布标志着AI技术在视觉理解和跨模态应用上的进一步突破。

3月28日凌晨，阿里通义千问团队发布新一代视觉推理模型QVQ-Max。该模型具备强大的图片和视频分析、推理能力，不仅能识别细节，还能根据背景知识进行深入推理，适用于多种场景。例如，它可解析复杂图表、生成短视频剧本，甚至创作角色扮演内容。此外，QVQ-Max还支持职场数据分析、学习辅助及生活建议等功能。用户可通过Qwen Chat上传图片或视频，点击“Thinking”按钮体验其推理能力。阿里巴巴称，这仅是模型演化的初期阶段，未来将持续优化性能和拓展功能。

以下是原文 正文：香港中文大学MMLab推出MME-CoT基准，用于评估大型语言模型的视觉推理能力。MME-CoT涵盖了数学、科学、逻辑等多个领域，并引入了严格的评估框架。实验结果显示，Kimi k1.5在CoT质量上表现最优，而o3-mini在鲁棒性和效率方面更胜一筹。研究还发现，长CoT不一定涵盖关键步骤，模型参数量越大，推理能力越强。MME-CoT为评估LMM的推理能力提供了系统化基准，推动了该领域的发展。

阿里通义千问团队于12月25日发布了QVQ-72B-Preview开源视觉推理模型，该模型能在复杂物理问题上通过逻辑推理解决问题。QVQ-72B-Preview在MMMU、MathVista、MathVision及OlympiadBench四个数据集上进行了评估，表现出色，尤其在MMMU基准测试中得分70.3，超越了Qwen2-VL-72B-Instruct。然而，该模型仍存在语言混合、递归推理等问题，需谨慎使用。阿里通义千问团队表示，QVQ-72B-Preview是实验性研究模型，专注于增强视觉推理能力。

北大等团队发布了首个“慢思考”多模态视觉语言模型LLaVA-o1，基于Llama-3.2-Vision模型，超越传统思维链提示，实现了结构化、多步骤推理。在多模态推理基准测试中，LLaVA-o1比其基础模型提升了8.9%，并在性能上超越了一些开闭源模型。 例如，面对“减去所有小亮球和紫色物体，剩下多...