iFlytek a publié en open source CogAgent, un modèle linguistique visuel de 18 milliards de paramètres. CogAgent excelle dans la compréhension et la navigation des interfaces graphiques, obtenant des performances générales de pointe (SOTA) sur plusieurs tests de référence. Ce modèle prend en charge les entrées visuelles haute résolution et les questions-réponses conversationnelles, et peut répondre à des questions sur n'importe quelle capture d'écran d'interface graphique. CogAgent prend également en charge les tâches liées à la reconnaissance optique de caractères (OCR), ses capacités ayant été considérablement améliorées grâce à la pré-formation et à l'ajustement fin.