AI網(wǎng)紅能年賺百萬，普通人的新機(jī)會來了？
來源｜運(yùn)營研究社作者 | 張知白編輯 | 楊佩汶設(shè)計 | 晏談夢潔2023 年 ，數(shù)字人成為了當(dāng)紅的“流量話題”和“商業(yè)機(jī)會"。不管是 AI 孫燕姿走紅網(wǎng)絡(luò)，還是 AI 數(shù)字
8 月 11 日消息，智譜 AI 今日推出全球 100B 級效果最佳的開源視覺推理模型 GLM-4.5V（總參數(shù) 106B，激活參數(shù) 12B），并同步在魔搭社區(qū)與 Hugging Face 開源。此外，API 調(diào)用價格低至輸入 2 元 / M tokens，輸出 6 元 / M tokens。
從官方介紹獲悉，GLM-4.5V 基于智譜新一代旗艦文本基座模型 GLM-4.5-Air，延續(xù) GLM-4.1V-Thinking 技術(shù)路線，在 41 個公開視覺多模態(tài)榜單中綜合效果達(dá)到同級別開源模型 SOTA 性能，涵蓋圖像、視頻、文檔理解以及 GUI Agent 等常見任務(wù)。
在多模態(tài)榜單之外，其更重視模型在真實場景下的表現(xiàn)與可用性。GLM-4.5V 通過高效混合訓(xùn)練，具備覆蓋不同種視覺內(nèi)容的處理能力，實現(xiàn)全場景視覺推理，包括：
圖像推理（場景理解、復(fù)雜多圖分析、位置識別）
視頻理解（長視頻分鏡分析、事件識別）
GUI 任務(wù)（屏幕讀取、圖標(biāo)識別、桌面操作輔助）
復(fù)雜圖表與長文檔解析（研報分析、信息提取）
Grounding 能力（精準(zhǔn)定位視覺元素）
同時，模型新增“思考模式”開關(guān)，用戶可靈活選擇快速響應(yīng)或深度推理，平衡效率與效果。為幫助開發(fā)者直觀體驗 GLM-4.5V 的模型能力，打造專屬于自己的多模態(tài)應(yīng)用，智譜 AI 同步開源了一款桌面助手應(yīng)用。
該桌面應(yīng)用可實時截屏、錄屏獲取屏幕信息，并依托 GLM-4.5V 處理多種視覺推理任務(wù)，日常處理如代碼輔助、視頻內(nèi)容分析、游戲解答、文檔解讀等多類視覺任務(wù)，成為一個能看著屏幕和你一起工作娛樂的伙伴。我們也希望通過模型開源和 API 服務(wù)，賦能更多有想法的開發(fā)者，基于多模態(tài)基座模型發(fā)揮創(chuàng)意和想象，把過去科幻電影中的場景變?yōu)楝F(xiàn)實。
本文鏈接：http://www.www897cc.com/showinfo-45-26014-0.html智譜視覺推理模型 GLM-4.5V 上線并開源，號稱“全球 100B 級效果最佳”
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號