Pin che corrispondono a tag:Vision-Language

Z.ai rilascia GLM-4.5V, un modello visione-linguaggio open-weight mixture-of-experts da 106B con 12B di parametri attivi, costruito su GLM-4.5-Air con un interruttore Thinking Mode e capacità di agente GUI e grounding, e dichiara risultati allo stato dell'arte tra i modelli aperti di dimensioni simili su 42 benchmark pubblici.

Alibaba rilascia in open source il modello di punta Qwen3-VL-235B-A22B nelle versioni Instruct e Thinking, un modello visione-linguaggio a mixture-of-experts da 235B con un contesto nativo di 256K token che, secondo Alibaba, eguaglia o supera Gemini 2.5 Pro nei principali benchmark di percezione visiva.

Z.ai rilascia GLM-4.6V, un modello visione-linguaggio mixture-of-experts da 106B, e il GLM-4.6V-Flash da 9B con licenza MIT, i primi modelli GLM-V con chiamata nativa di funzioni, addestrati per un contesto di 128K token e con un prezzo di $0.30 per milione di token in ingresso.