Le modèle CogAgent-9B-20241220 est basé sur le modèle VLM bilingue open source GLM-4V-9B, amélioré par la collecte et l'optimisation des données, un entraînement en plusieurs étapes et des améliorations stratégiques. Il a réalisé des progrès significatifs dans la perception de l'interface graphique, la précision des prédictions inférentielles, l'exhaustivité de l'espace d'action et la généralisation des tâches. Ce modèle prend en charge l'interaction bilingue (chinois et anglais) et peut traiter les captures d'écran et les données textuelles. Cette version a été intégrée au 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 de langage visuel.