智谱AIがビジュアルエンコーディングモデルGLM-5V-Turboを発表

MEニュースの通知。4月2日（UTC+8）。智谱AIは近日、新世代の基盤モデルであるGLM-5V-Turboをリリースしました。このモデルは、視覚認識とソフトウェアエンジニアリングの間のギャップを埋めることを目的としています。テキストプロンプトのみに依存する標準的な大規模言語モデルとは異なり、GLM-5V-Turboは設計図、スクリーンショットなどの視覚入力をネイティブに処理できるよう設計されており、「ビジュアル・エンコーディング・モデル」と位置付けられています。記事の見解によれば、このモデルはネイティブなマルチモーダル符号化能力を備えており、画像、動画、設計図、ドキュメントのレイアウトなどのさまざまな入力を理解できます。そして、視覚とプログラミング能力のバランスに関して、主要なベンチマークテストで先行する性能を達成したとされています。（出典：InFoQ）