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 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であるGLM-5V-Turboを発表した。同モデルは、視覚認識とソフトウェアエンジニアリングのギャップを埋めることを目的としている。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ビジュアル入力をネイティブに扱うことができ、「視覚エンコーディングモデル」として位置づけられている。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、さまざまな入力を理解でき、視覚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発揮した。（出所：InFoQ）