CogAgent

オープンソースのエンドツーエンドの視覚言語モデル（VLM）ベースのGUIエージェント

一般製品プログラミング視覚言語モデルGUIエージェント

CogAgentは、スクリーンショットと自然言語を用いて、中国語と英語のバイリンガル対応を実現する、視覚言語モデル（VLM）ベースのGUIエージェントです。GUI認識、推論予測精度、操作空間の完全性、タスクの汎化において著しい進歩を遂げています。このモデルは既にZhipuAIのGLM-PC製品に適用されており、視覚言語モデルベースのGUIエージェントの研究開発を推進することを目指しています。

Best AI Websites & Tools

CogAgent

CogAgent 最新のトラフィック状況

CogAgent 訪問数の傾向

CogAgent 訪問地理的分布

CogAgent トラフィックソース

CogAgent 代替品

CogAgent — オープンソースのエンドツーエンドの視覚言語モデル（VLM）ベースのGUIエージェント

Vanna — 自然言語でSQLクエリを生成し、データベースとのやり取りを簡素化します。

Quizify — AI搭載のテスト作成ツール。教育関係者の評価作成を簡素化します。

FYRAN — 未来型チャットボット

BotSquare — 人工知能ソフトウェア開発企業

Instella — Instellaは、AMDが開発した高性能なオープンソース言語モデルであり、オープンソース言語モデルの発展を加速するために設計されています。

クローン — クローンは、革命的な人工筋肉技術Myofiberを搭載したヒューマノイドロボットで、自然な歩行が可能です。

Migician — Migicianは、複数の画像の配置に特化した多モーダル大規模言語モデルであり、自由形式の複数の画像の精密配置を実現できます。

IndexTTS — 産業レベルで制御可能な、効率的なゼロショットテキスト音声変換システム

Figure AI Helix — Helixは、汎用人型ロボット制御のための視覚・言語・行動モデルです。

TableGPT-agent — TableGPT2をベースとした、表データに基づく質疑応答タスクのための事前構築済みエージェントです。

Qwen — Qwen Chatは、最先端の言語モデルをベースとしたAIチャットツールです。スマートな会話と多様な機能を提供します。

kg-gen — あらゆるテキストから知識グラフを抽出するAIツールです。

幻覚リーダーボード — 大型言語モデルが短い文書を要約する際に生じる幻覚を比較するためのランキングです。

Proxy — Proxyは、日常業務を自動化する全自動AIアシスタントです。

コンシェルジュAI — 自然言語でアプリケーションとインタラクトし、業務効率と利便性を向上させます。

Zyphra — Zyphraは、人工知能技術に特化した企業であり、チャットモデルと関連サービスを提供しています。

RAG-FiT — RAG-FiTは、外部情報を活用するLLMの能力向上のためのライブラリです。特別に作成されたRAG強化データセットを用いてモデルをファインチューニングします。

Qwen2.5-Max — Qwen2.5-Maxは、大規模なMixture-of-Expert (MoE) モデルであり、モデルの知能向上を目指しています。

SCNet DeepSeek — DeepSeekは、効率的なAIによる会話サービスを提供するインテリジェントなチャットアシスタントです。

Codename Goose — ローカルで動作するAIエージェント。エンジニアリングタスクをシームレスに自動化します。

Xwen-Chat — Xwen-Chatは、日本語対話に特化した大規模言語モデルの集合体であり、複数バージョンのモデルと自然言語生成サービスを提供します。

Tülu 3 405B — Tülu 3 405Bは、強化学習によって性能を向上させた大規模なオープンソース言語モデルです。

SpeechGPT 2.0-プレビュー — 文脈理解に基づいた、人間レベルのリアルタイム双方向対話システムです。多様な感情表現と音声スタイルに対応しています。

Tarsier — Tarsierは、バイトダンスが開発した、高品質なビデオ説明を生成するための、大規模なビデオ言語モデルです。

Junie — JetBrainsが提供するプログラミング支援ツール。開発者がより効率的にコードタスクを完了するお手伝いをします。

Baichuan-M1-14B — 百川智能が開発した、医療現場向けに最適化されたオープンソースの大規模言語モデルです。優れた汎用性と医療分野での高い性能を備えています。

FilmAgent — FilmAgentは、LLM（大規模言語モデル）に基づくマルチエージェント協調フレームワークであり、仮想3D空間におけるエンドツーエンドの映画自動制作に使用されます。

Operator — ユーザーのブラウザを使用してタスクを実行できるインテリジェントエージェントです。現在、研究プレビュー段階です。

UPDF AI — UPDF AIは、PDF文書の要約、翻訳、解説、書き換え、構想作成を支援し、読書効率を向上させます。