「tag:Vision-Language」に一致するピン

Z.aiは、106Bの混合エキスパート型オープンウェイト視覚言語モデルGLM-4.5Vを公開しました。アクティブパラメータは12Bで、GLM-4.5-Airをベースに、思考モードの切り替えとGUIエージェントおよびグラウンディング機能を備え、同規模のオープンモデルの中で42の公開ベンチマークにおいて最先端の結果を達成したとしています。

Alibabaは、フラッグシップのQwen3-VL-235B-A22BをInstruct版とThinking版でオープンソース化した。235Bのビジョン言語Mixture-of-Expertsモデルで、256Kトークンのネイティブコンテキストを備え、主要な視覚認識ベンチマークでGemini 2.5 Proに匹敵するか上回るとAlibabaは述べている。

Z.aiは、1060億パラメータのMixture-of-Experts型ビジョン言語モデルGLM-4.6Vと、9BのGLM-4.6V-FlashをMITライセンスで公開した。GLM-Vシリーズとして初めてネイティブの関数呼び出しに対応し、128Kトークンのコンテキスト向けに学習され、入力100万トークンあたり$0.30で提供される。