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「GLM-5V-Turbo」を発表しました。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はネイティブにデザイン図、スクリーンショットなどの視覚入力を扱えるよう設計されており、「視覚エンコードモデル」と位置付けられています。記事中の見解によれば、このモデルはネイティブなマルチモーダル・エンコード能力を備えており、画像、動画、デザイン図、文書レイアウトなどのさまざまな入力を理解できるほか、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示したとされています。（出典：InFoQ）
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「GLM-5V-Turbo」を発表しました。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はネイティブにデザイン図、スクリーンショットなどの視覚入力を扱えるよう設計されており、「視覚エンコードモデル」と位置付けられています。記事中の見解によれば、このモデルはネイティブなマルチモーダル・エンコード能力を備えており、画像、動画、デザイン図、文書レイアウトなどのさまざまな入力を理解できるほか、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示したとされています。（出典：InFoQ）