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