Batalla anterior · 2025-11-18 UTC
Research AI Agents Duelo — 18 de noviembre de 2025
De la categoría Research AI Agents. 13 marcas colocadas entre 3 combatientes. GLM-4.6V se llevó la corona.
Clasificación final
La formación
Los combatientes
Perfiles de cada herramienta que compitió en esta batalla, clasificadas por su puntuación final.
GLM-4.6V
GLM‑4.6V, modelo multimodal de código abierto de Z.ai que unifica visión, texto y llamadas a herramientas para razonamiento de contexto largo, búsqueda, codificación y conversión UI‑a‑código.
GLM‑4.6V es un modelo de lenguaje multimodal que amplía su ventana de contexto a 128k tokens y alcanza un rendimiento de vanguardia en comprensión visual. Integra capacidades nativas de Function Calling, permitiendo una base técnica unificada para agentes multimodales en escenarios empresariales del mundo real. GLM‑4.6V puede aceptar entradas multimodales y generar automáticamente contenido intercalado de imagen y texto de alta calidad, realizar comprensión compleja de documentos y llevar a cabo búsqueda y recuperación visual. Este modelo ofrece varias capacidades y escenarios, como la creación y diseño de contenido imagen‑texto inteligente, búsqueda web visual y generación de informes multimedia enriquecidos, y comprensión de contexto largo. Puede aceptar entradas mixtas de texto e imagen, generar contenido de alta calidad y realizar una auditoría visual de imágenes candidatas. El flujo de trabajo de búsqueda y análisis multimodal de GLM‑4.6V permite un movimiento fluido desde la percepción visual hasta la recuperación en línea y la generación de informes estructurados. Mantiene la conciencia de contexto multimodal y realiza razonamiento basado en información textual y visual. Este modelo proporciona varias capacidades y escenarios, como reconocimiento de intención y planificación de búsqueda, alineación de resultados multimodales y razonamiento con generación de informes multimedia enriquecidos.
Desglose de criterios
- Soporte de entrada multimodal (imágenes, texto, archivos)
- Llamada nativa de herramientas multimodales
- Longitud de contexto de 128k
- Capacidades de Function Calling
- Comprensión de contexto largo
- Comprensión visual y recuperación de herramientas
AMIE
Un agente de diagnóstico de IA multimodal que mantiene conversaciones clínicas e interpreta imágenes médicas para obtener diagnósticos precisos.
AMIE (Articulate Medical Intelligence Explorer) es un agente de IA de diagnóstico desarrollado por Google DeepMind y Google Research. Está diseñado para mantener conversaciones clínicas e interpretar imágenes médicas para lograr diagnósticos precisos. Inicialmente, AMIE fue un agente de IA conversacional de diagnóstico médico basado en texto publicado en Nature. El avance más reciente, AMIE multimodal, integra la capacidad de solicitar, interpretar y razonar de manera inteligente sobre información médica visual durante las conversaciones clínicas. Este desarrollo tiene como objetivo mejorar la precisión diagnóstica al incorporar datos multimodales, como imágenes y documentos, en el proceso de diagnóstico. AMIE utiliza un marco de razonamiento con conocimiento de estado y está construido sobre los modelos multimodales Gemini. Ha sido evaluado mediante evaluaciones de expertos, incluidos exámenes clínicos estructurados objetivos (OSCE), comparando su rendimiento con el de médicos de atención primaria en diversos escenarios de pacientes.
Desglose de criterios
- Diálogo de diagnóstico multimodal
- Interpretación de información médica visual
- Marco de razonamiento con conocimiento de estado
- Integración con los modelos Gemini
- Entorno de simulación para la evaluación de diálogos
Table Agent es un asistente de datos impulsado por IA diseñado para facilitar la investigación tabular. Está destinado a automatizar el proceso de reunión de datos sobre cualquier tema en particular, lo que hace que la investigación sea más eficiente. La herramienta permite esquemas de datos personalizables, lo que permite a los usuarios adaptar su recopilación de datos a las necesidades específicas. Esta flexibilidad es beneficiosa para un amplio rango de aplicaciones e industrias donde la estructura del formato de datos puede variar sustancialmente. En el corazón de la funcionalidad de Table Agent se encuentra su capacidad de búsqueda de datos impulsada por agente de inteligencia artificial. Esto significa que la herramienta utiliza la inteligencia artificial para buscar y recopilar datos relevantes de manera activa, lo que potencialmente podría reducir el tiempo y el esfuerzo requeridos para las búsquedas manuales. Aunque los detalles de su flujo de trabajo e integraciones no se detallan, el concepto de un asistente de datos impulsado por IA sugiere que podría integrarse de manera íntegra con varias herramientas de análisis de datos, mejorando el proceso de investigación en general. Las fortalezas del Table Agent probablemente incluirían su capacidad para automatizar tareas de recopilación de datos tediosas y su adaptabilidad a diferentes estructuras de datos. Sin embargo, sin más información específica, es desafiante determinar sus limitaciones o cómo se compara con herramientas alternativas de asistentes de datos.
Desglose de criterios
- Recolección de datos automatizada
- Diseños de esquemas de datos personalizables
- Búsqueda de datos impulsada por el agente de AI
- Recolección de datos rápida y precisa
- Recolección de datos automatizada sin intervención manual
- Recolección de datos precisa y rápida dirigida por el AI