Das CogAgent-9B-20241220-Modell basiert auf dem zweisprachigen Open-Source-VLM-Basismodell GLM-4V-9B. Durch Datenerfassung und -optimierung, mehrstufiges Training und strategische Verbesserungen wurden signifikante Fortschritte in Bezug auf GUI-Wahrnehmung, Genauigkeit von Inferenzvorhersagen, Vollständigkeit des Aktionsraums und Generalisierbarkeit von Aufgaben erzielt. Das Modell unterstützt die Interaktion in zwei Sprachen (Chinesisch und Englisch) und kann Screenshots und Spracheingaben verarbeiten. Diese Version wurde in das GLM-PC-Produkt von ZhipuAI integriert, um Forscher und Entwickler bei der Weiterentwicklung der Forschung und Anwendung von GUI-Agenten auf Basis visueller Sprachmodelle zu unterstützen.