Research AI Agents 対決 — 2025年11月18日

1

GLM-4.6V

オープンソースのマルチモーダル GLM から Z.ai により、視覚、テキスト、ツールコールを統合する長文脈推論、検索、コード作成、および UI-to-code.

4.3 (6)

無料

詳細レビュー

GLM-4.6Vはマルチモーダルラグランジュモデルであり、128kトークンのコンテキストウィンドをスケールし、視覚理解における最先端のパフォーマンスを実現します。このモデルは、機能呼び出しを組み込んでおり、現実世界のビジネスシナリオにおけるマルチモーダルエージェントへの統一的なテクニカルプレーンを提供します。GLM-4.6Vはマルチモーダル出力を受け入れ、自動で高品質の構造化された画像・テキスト交互表示コンテンツを生成し、複雑なドキュメント理解を実行し、視覚検索および回収を実行することができます。 このモデルにより、次のような機能やシナリオが提供されます。例えば、画像・テキストのコンテンツ作成およびレイアウト、画像ベースのウェブ検索、そして高彩度メディアレポート生成など、長い文脈を理解したものです。これにより、テキストと画像の組み合わせを入力できるようになり、質の高いコンテンツを生成することができ、候補イメージに対する視覚的アウディットの機能も提供されます。 GLM-4.6Vのマルチモーダル サーチ・アンド アナリシス ワークフローは、視覚認識からオンラインリテラルと構造化レポート生成まで、スムーズな移動を可能にする。マルチモーダル コンテキスト認識を保ちつつ、テキスト的および視覚的情報に基づく論理的な推論を実行する。 このモデルは、インテント認識、検索計画、多モーダル結果一致、rich media による情報生成機能などの複数機能やシナリオを提供しています。

• マルチモーダル入力サポート (画像、テキスト、ファイル)
• ネイティブマルチモーダルトールコール
• 128kコンテキスト長
• 機能コール機能
• 長文脈理解
• 視覚理解およびツール取得

2

AMIE

マルチモーダルなAI診断アジェントが、臨床会話を進めてメディカル・イメージを分析して正確な診断に貢献します。

4.7 (6)

無料

詳細レビュー

AMIE (Articulate Medical Intelligence Explorer)は、Google DeepMindおよびGoogle Researchが開発した研究用のAI診断アジェントです。臨床会話を進めるだけでなく、メディカル・イメージを分析して正確な診断を支援するために設計されています。AMIEは初版が、Natureに発表されたテキストベースの医療診断会話AIアジェントでした。その後、AMIEはマルチモーダルなAIアジェントに進化し、医療イメージや文書などマルチモーダルな情報を診断プロセスに組み込むことができます。この開発は、診断の正確性を向上させるために、マルチモーダルなデータを組み込むことで、診断を改善することを目指しています。 AMIEは状態認知的推論フレームワークを用い、マルチモーダルなGeminiモデルの上で構築されています。専門家の評価を含む、客観的構造化臨床試験(OSCE)が実施されており、それは主治医に比較検討されました。複数の患者のシナリオで主治医と比較検討されています。

• マルチモーダルな診断対話能力
• メディカル・イメージの解釈能力
• 状態認知的な推論フレームワーク
• Geminiモデルを組み込み
• 会話評価用のシミュレータ環境

3

Table Agent

表計算データに特化したAIアシスタント

4.5 (6)

フリーミアム

詳細レビュー

Table Agentは、テーブル型データを対象とするAI推論エージェントで、その研究活動を容易にするために作られたデータアシスタントです。それは、テーブルのデータを自動生成することで、あるトピックに関連するデータの収集を迅速化します。 このツールでは、ユーザが自分のニーズに合わせてデータのスキーマをカスタマイズできるように設計されており、データ収集を適応させるのが簡単になります。これにより、さまざまな業界とアプリケーションで、データの構造が大きく異なる場合に利点が生まれます。 Table Agentの機能の核は、AIエージェント駆動型データサーチ機能によって構築されています。このため、ツールでは、人為的な手段による検索を可能な限り削減したい場合は、人工知能を活用して、関連データを主動的に検索し、分析結果をまとめます。 AI ドライバनのデータ アシスタントの概念では、具体的なワークフローや統合方法は明記されていませんが、アート メタワークフローの調査研究を支援する上で、バリアレスにデータ 分析ツールと統合される可能性があります。 「Table Agent」による自動化は、リソースの枯渇を免れ、データ処理の精度を高めることが期待される。また、その柔軟性により、様々なデータ構造に対応できるようになる。しかし、より詳細な情報が必要となる場合、その限界や、代替のデータ支援ツールに比べた特徴などについては詳細設定をしておかなければならない。

• 自動データ収集
• カスタマイズ可能なデータスキーマ
• AIエージェント駆動のデータ検索
• 迅速で正確なデータレートの提供