智谱AIは視覚符号化モデルGLM-5V-Turboを発表しました

ME News ニュース、4月2日（UTC+8）、智谱AIは最近、新世代の基礎モデルGLM-5V-Turboを発表しました。このモデルは、視覚認知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は設計図やスクリーンショットなどの視覚入力をネイティブにサポートし、「視覚エンコーディングモデル」と位置付けられています。記事の見解によると、このモデルはネイティブなマルチモーダルエンコーディング能力を備え、画像、動画、設計図、ドキュメントのレイアウトなど多様な入力を理解でき、視覚とプログラミング能力のバランスにおいて、コアベンチマークテストで優れた性能を達成しています。（出典：InFoQ）