चीन की प्रमुख कृत्रिम बुद्धिमत्ता कंपनी ज़ीपु हुआझांग ने 10 अरब युआन (लगभग 1.4 अरब अमेरिकी डॉलर) से अधिक का वित्तपोषण पूरा करने की घोषणा की है। कंपनी ने कहा कि वह अगली पीढ़ी के बड़े भाषा मॉडल को ओपन सोर्स करने की योजना बना रही है।

बीजिंग जिज्ञासा华章 प्रौद्योगिकी कंपनी ने हाल ही में घोषणा की है कि इसके अधीन जिज्ञासा GLM-PC बुद्धिमान एजेंट का उन्नयन किया गया है और इसे जनसमुदाय के लिए आधिकारिक अनुभव के लिए खोला गया है। यह दुनिया का पहला बहु-मोडल बुद्धिमान एजेंट है जो स्वायत्त रूप से कंप्यूटर का संचालन कर सकता है, GLM-PC की तकनीकी आधार जिज्ञासा के बहु-मोडल बड़े मॉडल CogAgent है। उपयोगकर्ता केवल सरल एंटर क्रिया के माध्यम से इस अभिनव कंप्यूटर बुद्धिमान सहायक का अनुभव कर सकते हैं। 2024 के 29 नवंबर को GLM-PC v1.0 के विमोचन के बाद से यह आंतरिक परीक्षण चरण में है। यह संस्करण लाता है

23 जनवरी 2025 को, जनता के लिए दुनिया का पहला, एक बार में उपयोग के लिए तैयार किया गया कंप्यूटर इंटेलिजेंस एजेंट GLM-PC फिर से अपग्रेड हुआ, जिससे व्यापक ध्यान आकर्षित हुआ। GLM-PC智谱 बहु-मोडल बड़े मॉडल CogAgent पर आधारित है, जो मनुष्यों की तरह कंप्यूटर को 'देखने' और 'सं操作' करने में सक्षम है, और उपयोगकर्ताओं को विभिन्न कंप्यूटर कार्यों को कुशलता से पूरा करने में मदद करता है।

त्सिंग हुआ विश्वविद्यालय की बुद्धिमान एआई टीम ने एक नए दृश्य भाषा मॉडल CogAgent की घोषणा की है, जो ग्राफिकल यूजर इंटरफेस (GUI) की समझ और नेविगेशन पर ध्यान केंद्रित करता है। CogAgent एक दो-कोडिंग प्रणाली को अपनाता है, जो जटिल GUI तत्वों और पाठ को संसाधित करता है, 1120x1120 पिक्सल के उच्च-रिज़ॉल्यूशन इनपुट को संभालने में उत्कृष्ट प्रदर्शन करता है। यह मॉडल पीसी और Android प्लेटफ़ॉर्म के GUI नेविगेशन कार्यों में मौजूदा LLM विधियों से बेहतर है, और यह पाठ और दृश्य प्रश्न-उत्तर मानकों पर भी उत्कृष्ट प्रदर्शन करता है। संभावित अनुप्रयोगों में स्वचालित GUI संचालन, प्रदान करना शामिल है।

CogAgent को ज़िज़्पू AI द्वारा खुला गया है, जो एक दृश्य भाषा मॉडल है जिसमें 180 अरब पैरामीटर हैं। CogAgent GUI समझ और नेविगेशन में उत्कृष्ट प्रदर्शन करता है, और कई बेंचमार्क परीक्षणों पर SOTA सामान्य प्रदर्शन प्राप्त किया है। यह मॉडल उच्च संकल्प वाली दृश्य इनपुट और संवाद प्रश्नोत्तर का समर्थन करता है, और किसी भी GUI स्क्रीनशॉट के लिए प्रश्नोत्तर कर सकता है। CogAgent OCR संबंधित कार्यों का भी समर्थन करता है, और पूर्व प्रशिक्षण और सूक्ष्म समायोजन के माध्यम से, इसकी क्षमताएं काफी बढ़ गई हैं। मॉडल को