A Zhipu AI lançou o CogAgent, um modelo de linguagem visual com 18 bilhões de parâmetros. O CogAgent se destaca na compreensão e navegação da interface gráfica do usuário, alcançando desempenho universal SOTA em vários testes de referência. O modelo suporta entrada visual de alta resolução e perguntas e respostas por meio de diálogo, podendo responder a perguntas sobre qualquer captura de tela da interface gráfica do usuário. O CogAgent também suporta tarefas relacionadas ao OCR, com sua capacidade significativamente aprimorada por meio de pré-treinamento e ajuste fino.