Research AI Agents Leszámolás — 2025. november 18.

1

GLM-4.6V

Nyílt forráskódú multimodális modell a Z.ai-től a látási, szövegszimuláció és eszközhívás egyesítésével a hosszú kontextusú érvelés, keresés, kódolás és UI-to-kódra.

4.3 (6)

Ingyenes

Teljes értékelés

GLM-4.6V egy multimodális nagy nyelvi modell, amely 128 000 tokenes kontextusablakra skálázódik, és csúcsteljesítményű vizuális megértésben ér el állami szintű teljesítményt. Natív Function Calling képességeket integrál, ami egységes technikai alapot biztosít a multimodális ügynökök számára a valós üzleti szituációkban. A GLM-4.6V képes multimodális bemenetek fogadására, és automatikusan generál magas minőségű, strukturált, képszöveg keverék tartalmat, bonyolult dokumentumértést végez, valamint vizuális keresést és lekérdezést is. Ez a modell számos képességet és felhasználási esetet kínál, beleértve az intelligens kép‑szöveg tartalomkészítést és elrendezést, a vizuális webkeresést és gazdag média jelentésgenerálást, valamint a hosszú kontextusú megértést. Képes vegyes szöveg‑kép bemenetek fogadására, magas színvonalú tartalom előállítására, és vizuális auditot végezni a jelölt képeken. GLM-4.6V multimodális keresés‑ és elemzési munkafolyamata zökkenőmentes átmenetet biztosít a vizuális észlelés, az online lekérdezés és a strukturált jelentéskészítés között. Megőrzi a multimodális kontextus‑tudatosságot, és olyan érvelést végez, amely mind a szöveges, mind a vizuális információkon alapul. Ez a modell számos képességet és felhasználási esetet kínál, többek között célfelismerést és keresési tervezést, multimodális eredmények összehangolását, valamint gazdag média jelentés generálásához szükséges érvelést.

• Multimodális bemeneti támogatás (képek, szöveg, fájlok)
• Egybemenetes multimodális eszközhívás
• 128k kontextus hosszúság
• Eredeti eszközhívási képesség
• Hosszú kontextusú érvelés
• Vizuális megértés és eszközhívás

2

AMIE

Egy multimodális AI diagnosztikai ügynök, amely klinikai beszélgetéseket folytat és orvosi képeket értelmez pontos diagnózisok érdekében.

4.7 (6)

Ingyenes

Teljes értékelés

AMIE (Articulate Medical Intelligence Explorer) egy kutatási AI diagnosztikai ügynök, amelyet a Google DeepMind és Google Research fejlesztett. A cél az, hogy klinikai beszélgetéseket folytasson, illetve orvosi képeket értelmezzen pontos diagnózisok érdekében. Az AMIE eredetileg szövegalapú orvosi diagnosztikai konverzációs AI ügynök volt, amelyet a Nature publikálott. Az új, multimodális AMIE integrálja a vizuális orvosi információk intelligens kérése, értelmezése és elmélyítése képességét a klinikai párbeszéd során. Ez a fejlesztés a diagnosztikai pontosság javítását célozza, azáltal, hogy multimodális adatokat, például képeket és dokumentumokat is bevon a diagnosztikai folyamatba. Az AMIE egy állapottudatos érvelési keretrendszert használ, és multimodális Gemini modellekre épül. További értékelést szakmai vizsgálatokkal, köztük az Objektív Szerkesztett Klinikai Vizsgálatok (OSCEk) segítségével végeztek, összehasonlítva teljesítményét elsőrendű orvosokkal (PCP) különböző páciensekkel.

• Multimodális diagnosztikai párbeszéd
• Vizuális orvosi információk értelmezése
• Állapottudatos érvelési keretrendszer
• Integráció a Gemini modellekkel
• Szimulációs környezet a párbeszédeken történő értékeléshez

3

Table Agent

Mesterséges intelligenciával működő adatasszisztens a táblázatos kutatásokhoz

4.5 (6)

Freemium

Teljes értékelés

A Table Agent egy olyan AI-párházat alapozott adatfelhasználó szolgáltatás, amely segítséget nyújt a táblás kutatások elvégzéséhez. Célja, hogy a kutatásokat hatékonyabbá tegye, automatizálva a felhasználók által megadott bármely témával kapcsolatos adatgyűjtést. A tool lehetővé teszi a rugalmas adattáblokon (data schema) való manipulálást, így az adatgyűjtés megfelelő optimalizálható az adott célra. Ezt a rugalmasságot sokféle alkalmazás és iparág érheti el, ahol az adattípus jelentősen térhet el egymástól. A Table Agent működésének központi eleme az AI-ösztönzővel vezérelt adatkeresési képessége. Ez azt jelenti, hogy a szoftver mesterséges intelligenciát használ aktív keresésre és releváns adatainak összegyűjtésére, ami képes csökkenteni a manuális kereséssel járó idő- és erőfeszítés-költségeket. Míg a folyamata és integrációi részletei nem kerülnek előtérbe, a koncepció egy olyan mesterséges intelligenciáját vezérlő adatsegítőre utalhat, amely képes könnyedén integrálni különféle adatelőállító eszközöket, így javítva az általános kutatói folyamatot. A Table Agent erősségei feltehetően az automatizálható fáradságos adatgyűjtő feladatok és az eltérő adattípusok iránti alkalmazkodóképessége köré épülnek fel. Azonban abszolút specifikus adatok hiányában nehéz meghatározni korlátait vagy az alternatív adatsegédprogramokhoz viszonyított összehasonlítását.

• Automatizált adatgyűjtés
• Testreszabható adatsémák
• Mesterséges intelligenciával működő adatkeresés
• Gyors és pontos adatvisszanyerés