test

README.md

@@ -0,0 +1,82 @@
+---
+license: mit
+---
+
+# GLM-4.1V-9B-Thinking
+
+## 模型介绍
+
+视觉语言大模型（VLM）已经成为智能系统的关键基石。随着真实世界的智能任务越来越复杂，VLM模型也亟需在基本的多模态感知之外，
+逐渐增强复杂任务中的推理能力，提升自身的准确性、全面性和智能化程度，使得复杂问题解决、长上下文理解、多模态智能体等智能任务成为可能。
+
+基于 [GLM-4-9B-0414](https://github.com/THUDM/GLM-4) 基座模型，我们推出新版VLM开源模型 **GLM-4.1V-9B-Thinking**
+，探索推理模型在视觉语言模型的多个领域中的上限。 引入思考范式，通过强化学习全面提升模型能力，
+达到10B参数级别的视觉语言模型的最强性能，在18个榜单任务中持平甚至超过8倍参数量的Qwen-2.5-VL-72B。
+我们同步开源基座模型 GLM-4.1V-9B-Base，希望能够帮助更多研究者探索视觉语言模型的能力边界。
+
+![rl](https://raw.githubusercontent.com/THUDM/GLM-4.1V-Thinking/refs/heads/main/resources/rl.jpeg?token=GHSAT0AAAAAADBJRDVUEWHSOC3OBRIQN5IU2DD6AZA)
+
+与上一代的 CogVLM2 及 GLM-4V 系列模型相比，**GLM-4.1V-Thinking** 有如下改进：
+
+1. 系列中首个推理模型，不仅仅停留在数学领域，在多个子领域均达到世界前列的水平。
+2. 支持 **64k** 上下长度。
+3. 支持**任意长宽比**和高达 **4k** 的图像分辨率。
+4. 提供支持**中英文双语**的开源模型版本。
+
+## 榜单信息
+
+GLM-4.1V-9B-Thinking 通过引入「思维链」（Chain-of-Thought）推理机制，在回答准确性、内容丰富度与可解释性方面，
+全面超越传统的非推理式视觉模型。在28项评测任务中有23项达到10B级别模型最佳，甚至有18项任务超过8倍参数量的Qwen-2.5-VL-72B。
+
+![bench](https://raw.githubusercontent.com/THUDM/GLM-4.1V-Thinking/refs/heads/main/resources/bench.jpeg?token=GHSAT0AAAAAADBJRDVUZB5PXS3XZG7SESYY2DD6BFQ)
+
+## 快速推理
+
+这里展现了一个使用`transformers`进行单张图片推理的代码。首先，从源代码安装`transformers`库。
+```
+pip install git+https://github.com/huggingface/transformers.git
+```
+
+接着按照以下代码运行:
+
+```python
+from transformers import AutoProcessor, Glm4vForConditionalGeneration
+import torch
+
+MODEL_PATH = "THUDM/GLM-4.1V-9B-Thinking"
+messages = [
+    {
+        "role": "user",
+        "content": [
+            {
+                "type": "image",
+                "url": "https://upload.wikimedia.org/wikipedia/commons/f/fa/Grayscale_8bits_palette_sample_image.png"
+            },
+            {
+                "type": "text",
+                "text": "describe this image"
+            }
+        ],
+    }
+]
+processor = AutoProcessor.from_pretrained(MODEL_PATH, use_fast=True)
+model = Glm4vForConditionalGeneration.from_pretrained(
+    pretrained_model_name_or_path=MODEL_PATH,
+    torch_dtype=torch.bfloat16,
+    device_map="auto",
+)
+inputs = processor.apply_chat_template(
+    messages,
+    tokenize=True,
+    add_generation_prompt=True,
+    return_dict=True,
+    return_tensors="pt"
+).to(model.device)
+generated_ids = model.generate(**inputs, max_new_tokens=8192)
+output_text = processor.decode(generated_ids[0][inputs["input_ids"].shape[1]:], skip_special_tokens=False)
+print(output_text)
+```
+
+
+视频推理，网页端Demo部署等更代码请查看我们的 [github](https://github.com/THUDM/GLM-4.1V-Thinking)。
+