Zhipu AI ha lanzado CogAgent, un modelo de lenguaje visual con 18.000 millones de parámetros. CogAgent destaca en la comprensión y navegación de interfaces gráficas de usuario (GUI), logrando un rendimiento general SOTA en varias pruebas de referencia. Este modelo admite entradas visuales de alta resolución y preguntas y respuestas conversacionales, pudiendo responder preguntas sobre cualquier captura de pantalla de GUI. CogAgent también admite tareas relacionadas con OCR, con una capacidad significativamente mejorada gracias al preentrenamiento y ajuste fino.