Пины по запросу tag:Vision-Language

Z.ai выпустила GLM-4.5V — визуально-языковую модель с открытыми весами и смесью экспертов на 106B с 12B активных параметров, построенную на GLM-4.5-Air, с переключателем режима размышлений и возможностями GUI-агента и привязки к изображению; компания заявляет о результатах уровня state-of-the-art среди открытых моделей схожего размера на 42 публичных бенчмарках.

Alibaba открыла исходный код флагманской модели Qwen3-VL-235B-A22B в версиях Instruct и Thinking — визуально-языковой модели со смесью экспертов на 235B с нативным контекстом 256K токенов, которая, по словам Alibaba, не уступает Gemini 2.5 Pro или превосходит его в основных тестах визуального восприятия.

Z.ai выпускает GLM-4.6V - визуально-языковую модель со смесью экспертов на 106B параметров - и 9B-модель GLM-4.6V-Flash под лицензией MIT; это первые модели GLM-V с нативным вызовом функций, обученные на контексте в 128K токенов, по цене $0.30 за миллион входных токенов.