Research AI Agents Vastasseis — 18. november 2025

1

GLM-4.6V

Avatud lähtekoodiga mitmemoodiline GLM Z.ai-lt, mis ühendab nägemise, teksti ja tööriistade väljakutsumise pikkade kontekstide põhjendamiseks, otsingu, kodeerimise ja UI‑koodi konversiooni jaoks.

4.3 (6)

Tasuta

Täielik arvustus

GLM-4.6V on mitmemoodiline suur keelemudel, mille kontekstiaken ulatub 128 k tokenini ning saavutab tipptaseme tulemused visuaalses mõistmises. See integreerib sisseehitatud Function Calling funktsionaalsuse, võimaldades luua ühtse tehnilise aluse mitmemoodilistele agentidele reaalses ärikeskkonnas. GLM-4.6V suudab töödelda mitmemoodilisi sisendeid ja automaatselt genereerida kvaliteetset, struktureeritud pildi‑teksti vahelduvat sisu, teostada keerukat dokumendi mõistmist ning teha visuaalset otsingut ja andmete hankimist. See mudel pakub mitmeid võimeid ja stsenaariume, sealhulgas intelligentset pildi‑teksti sisuloome ja paigutuse genereerimist, visuaalset veebiotsingut ja rikkalike meediaaruannete loomist ning pikaajalist konteksti mõistmist. See suudab vastu võtta segatud tekst‑pildi sisendeid, luua kõrgekvaliteedilist sisu ning teostada visuaalset auditit kandidaadi piltide üle. GLM-4.6V mitmemoodiline otsingu‑analüüsi töövoog võimaldab sujuvat liikumist visuaalsest tajumisest veebipõhise andmete hankimise ja struktureeritud aruannete genereerimiseni. See säilitab mitmemoodilise konteksti teadlikkuse ning teeb põhjendusi, mis põhinevad nii tekstilisel kui ka visuaalsel informatsioonil. Mudeli võimed ja stsenaariumid hõlmavad ka kavatsuste tuvastamist ja otsingu planeerimist, mitmemoodiliste tulemuste kooskõlastamist ning põhjendusi rikaste meediaaruannete loomisel.

• Mitmemoodiline sisendi tugi (pildid, tekst, failid)
• Sisemise mitmemoodilise tööriista väljakutsumise tugi
• 128 k konteksti pikkus
• Function Calling funktsioonid
• Pikaajaline konteksti mõistmine
• Visuaalne mõistmine ja tööriistade hankimine

2

AMIE

Multimoodne AI-diagnostikaagent, mis viib läbi kliinilisi vestlusi ja tõlgendab meditsiinilisi pilte täpseks diagnoosimiseks.

4.7 (6)

Tasuta

Täielik arvustus

AMIE (Articulate Medical Intelligence Explorer) on uurimiskeskusega arendatud AI-diagnostikaagent, mille on loonud Google DeepMind ja Google Research. See on mõeldud kliiniliste vestluste läbiviimiseks ning meditsiiniliste piltide tõlgendamiseks täpsete diagnooside saamiseks. Esialgu oli AMIE teksti põhine meditsiiniline diagnostikakonsultatsioonide AI-agent, mis avaldati ajakirjas Nature. Viimane areng, multimoodne AMIE, ühendab võime targalt küsida, tõlgendada ja arvestada visuaalse meditsiinilise teabe põhjal kliinilisi vestlusi. See arendus eesmärgiks on parandada diagnostilise täpsuse taset, kaasates multimoodse andmega, näiteks pildid ja dokumendid, diagnostikaprosessi. AMIE kasutab seisundite teadlikku põhjendusraamistiku ning ehitatud multimoodsete Gemini modelite peale. Selle väärtustamist on viidud läbi ekspert hindamiste, sealhulgas Objective Structured Clinical Examination (OSCE), võrdlemas selle toimivust esmase arsti (PCP) erinevate patsientite stsenaariumitega.

• Multimoodne diagnostikakõne
• Visuaalse meditsiinilise teabe tõlgendamine
• Staadist teadlik põhjendusraamistik
• Integreerimine Gemini modelitega
• Simulatsioonikeskkond dialoogi hindamiseks

3

Table Agent

TA Äritehing Eeskuju

4.5 (6)

Freemium

Täielik arvustus

Table Agent on AI-põhine andmeabi, mida on planeeritud aitama tabeliandmeid uurima. Sellega on võimalik automaatselt koguda andmeid teataval teemal, mille tulemusena teaduslik uurimine muutub efektiivsemaks. Saadaval on mudelite suunama võimalus, mis võimaldab kasutajatel data kogumist kohandada eraldi vajadustele. Selline lihtsus on kasulik laiadele rakendustega ning tööstustega, kus andmestruktuur võib erineda sügavalt. Table Agent peamist funktsiooni moodustab tema AI tegevkasutaja ajaline andmeuurimise võimekus. See tähendab, et tööriist kasutab arendatud intelliigentsi, aktiivselt otsimas ja kogumas relevantset andmet, mis võib vähendada manuaalsete otsuste aega. Kui on teada või ka mitte, siis on siiski põhiline eeldus see, et süsinikuasustatud andmeassistendid võiks ühega või teisega süsinikuasustatud andmeanalüüsisisteme või paljude süsinikuasustatud andmeanalüüsisistemitega kõikuvat integratsiooni teha, mis on võimekaid edendada üldist uurimisprotsessi. Table Agent tugevad küljed võiks olla tema võimekus võimaldada müütma aega kullevat andmetes kogumist ning selle võimekuse jääda kätte eri andmestruktuuridega. Siiski, ilma rohkem täpsemaid teadaandmeid ilma, on kitsas võimalus kindlaks teha tema piiranguid või seda, kuidas ta võrdleb teisi andmete assistendi võimalusi.

• Automated gathering from Web
• Customizable table schema
• Proactive data cleaning
• Multiple scraping and filtering options
• AI agent-driven data augmentation