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 News メッセージ、4 月 2 日（UTC+8）、智谱AI は近日、新世代の基盤モデル GLM-5V-Turbo を発表しました。このモデルは、ビジュアル知覚とソフトウェアエンジニアリングの間にある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扱うことができます。同モデルは「ビジュアル・エンコーディング・モデル」と位置づけられています。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、文書レイアウトなど多様な入力を理解でき、またビジュアルとプログラミング能力のバランスにおいて、主要なベンチマークテストで優れた性能を示したとのことです。（出典：InFoQ）