CogAgent

Agent GUI basé sur un modèle linguistique visuel (VLM) open source de bout en bout

Produit OrdinaireProgrammationModèle linguistique visuelAgent GUI

CogAgent est un agent GUI basé sur un modèle linguistique visuel (VLM). Il permet une interaction bilingue (chinois et anglais) via des captures d'écran et du langage naturel. CogAgent a réalisé des progrès significatifs en termes de perception de l'interface graphique, de précision des prédictions d'inférence, d'exhaustivité de l'espace d'action et de généralisation des tâches. Ce modèle est déjà utilisé dans le produit GLM-PC de ZhipuAI, visant à aider les chercheurs et les développeurs à faire progresser la recherche et les applications des agents GUI basés sur des modèles linguistiques visuels.

Best AI Websites & Tools

CogAgent

CogAgent Dernière situation du trafic

CogAgent Tendance des visites

CogAgent Distribution géographique des visites

CogAgent Sources de trafic

CogAgent Alternatives

CogAgent — Agent GUI basé sur un modèle linguistique visuel (VLM) open source de bout en bout

Vanna — Génère des requêtes SQL à partir du langage naturel, simplifiant ainsi l'interaction avec les bases de données.

Quizify — Générateur de quiz basé sur l'intelligence artificielle, simplifiant la création d'évaluations pour les enseignants.

FYRAN — Robot de conversation futuriste

BotSquare — Société de développement de logiciels d'intelligence artificielle

Instella — Instella est un modèle linguistique open source haute performance développé par AMD, conçu pour accélérer le développement des modèles linguistiques open source.

Clone — Clone est un robot humanoïde doté de la technologie révolutionnaire des muscles artificiels Myofiber, capable de marcher naturellement.

Migician — Migician est un grand modèle linguistique multimodale axé sur la localisation multi-images, capable de réaliser une localisation précise multi-images de forme libre.

IndexTTS — Système texte-parole zéro-shot industriel, contrôlable et efficace

Gentle Invoice — Un outil intelligent de gestion des factures qui se connecte à Gmail pour organiser et extraire automatiquement les informations des factures.

tablegpt-agent — Agent pré-construit de TableGPT2 pour les tâches de Q&R basées sur des tableaux.

Qwen — Qwen Chat est un outil de chat d'intelligence artificielle basé sur un modèle linguistique avancé, offrant des conversations intelligentes et de multiples fonctionnalités.

VLM-R1 — VLM-R1 est un modèle linguistique visuel renforcé stable et polyvalent, axé sur les tâches de compréhension visuelle.

kg-gen — Outil d'intelligence artificielle pour extraire les graphes de connaissances de n'importe quel texte.

hallucination-leaderboard — Un classement comparant les performances de grands modèles de langage (LLM) en matière d'hallucinations lors de la synthèse de courts documents.

Proxy — Proxy est un assistant IA entièrement automatisé conçu pour effectuer des tâches quotidiennes.

Concierge IA — Interagissez naturellement avec vos applications pour améliorer votre productivité et votre efficacité.

Zyphra — Zyphra est une entreprise spécialisée dans l'intelligence artificielle, offrant des modèles de conversation et des services associés.

RAG-FiT — RAG-FiT est une bibliothèque conçue pour améliorer la capacité des grands modèles de langage (LLM) à exploiter des informations externes, en affinant les modèles sur un ensemble de données spécialement créé pour l'augmentation RAG.

Qwen2.5-Max — Qwen2.5-Max est un modèle Mixture-of-Expert (MoE) à grande échelle, conçu pour améliorer l'intelligence des modèles.

SCNet DeepSeek — DeepSeek est un assistant de conversation intelligent offrant des services de dialogue IA performants.

Nom de code Goose — Agent d'intelligence artificielle fonctionnant localement, automatisant les tâches d'ingénierie de manière transparente.

Xwen-Chat — Xwen-Chat est un ensemble de modèles linguistiques de grande taille spécialisé dans les dialogues en chinois, offrant plusieurs versions de modèles et des services de génération de langage.

Tülu 3 405B — Tülu 3 405B est un modèle linguistique de grande envergure, open source, dont les performances ont été améliorées par apprentissage par renforcement.

SpeechGPT 2.0 - version préliminaire — Premier système d'interaction en temps réel de niveau humain axé sur l'intelligence contextuelle, prenant en charge l'interaction vocale multi-émotionnelle et multi-stylistique.

Tarsier — Tarsier est un grand modèle linguistique vidéo développé par ByteDance pour générer des descriptions vidéo de haute qualité.

Junie — Outil d'assistance à la programmation de JetBrains, aidant les développeurs à accomplir leurs tâches de codage plus efficacement.

Baichuan-M1-14B — Modèle linguistique large open source développé par Baichuan Intelligence, optimisé pour les scénarios médicaux, offrant des capacités générales et des performances exceptionnelles dans le domaine médical.

Zight — Zight AI est un outil intelligent qui transforme les vidéos en documents exploitables. Il permet de générer automatiquement des titres, des résumés et des sous-titres multilingues.

FilmAgent — FilmAgent est un framework de collaboration multi-agents basé sur les LLM, conçu pour la production cinématographique automatisée de bout en bout dans un espace 3D virtuel.