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 のニュース。4月2日（UTC+8）、Zhipu 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はネイティブに設計図面、スクリーンショットなどのビジュアル入力を扱うことができます。同モデルは「視覚エンコードモデル」として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エンコード能力を備えており、画像、動画、設計図、文書のレイアウトなど、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おいて、主要なベンチマークテストで優れた性能を示し、先行する結果を得ています。（出所：InFoQ）