Eerdere strijd · 2025-11-18 UTC
Research AI Agents Duel — 18 november 2025
Uit de categorie Research AI Agents. 13 markeringen geplaatst over 3 strijders. GLM-4.6V pakte de kroon.
Eindstand
De line-up
De strijders
Profielen van elke tool die in deze strijd meedeed, gerangschikt op eindscore.
GLM-4.6V
Open-source multimodaal GLM van Z.ai die visie, tekst en toolaanroepen verenigt voor lange-context redenering, zoeken, coderen en UI-to-code.
GLM-4.6V is een multimodaal groot taalmodel dat de contextwindow schaalt tot 128k tokens en een state‑of‑the‑art prestatie levert in visuele begrip. Het integreert native Function Calling mogelijkheden, waardoor een uniforme technische basis ontstaat voor multimodale agents in real‑world business scenario’s. GLM-4.6V kan multimodale invoer accepteren en automatisch hoogwaardige, gestructureerde afbeelding‑tekstafwisselende inhoud genereren, complexe documentbegrip uitvoeren, en visuele zoek- en retrieval doen. Dit model biedt verschillende mogelijkheden en scenario’s, waaronder intelligente afbeelding‑tekstinhoud creatie en layout, visuele websearch en rijke media rapportgeneratie, en lange-context begrip. Het kan gemengde tekst‑afbeeldinginvoer accepteren, hoogwaardige inhoud genereren en een visuele audit uitvoeren op kandidaat‑afbeeldingen. De multimodale search‑and‑analysis workflow van GLM-4.6V maakt naadloze overgang mogelijk van visuele perceptie naar online retrieval en gestructureerde rapportgeneratie. Het behoudt multimodale contextbewustzijn en voert redeneringen uit die gebaseerd zijn op zowel tekstuele als visuele informatie. Dit model biedt verschillende mogelijkheden en scenario’s, waaronder intentieherkenning en zoekplanning, multimodale resultaatalignatie, en redeneren met rijke media rapportgeneratie.
Kritériumverdeling
- Multimodaal invoerondersteuning (afbeeldingen, tekst, bestanden)
- Native multimodaal toolaanroepen
- 128k contextlengte
- Function Calling mogelijkheden
- Lange-context begrip
- Visuele compréhensies en tool retrieval
AMIE
Een multimodaal AI‑diagnostisch agent dat klinische gesprekken voert en medische beelden interpreteert voor nauwkeurige diagnoses.
AMIE (Articulate Medical Intelligence Explorer) is een onderzoeks‑AI‑diagnostisch agent ontwikkeld door Google DeepMind en Google Research. Het is ontworpen om klinische gesprekken te voeren en medische beelden te interpreteren voor nauwkeurige diagnoses. Initieel was AMIE een tekstgebaseerde medische diagnostische conversatie‑AI die werd gepubliceerd in Nature. De nieuwste ontwikkeling, multimodaal AMIE, integreert het vermogen om visuele medische informatie op intelligente wijze op te vragen, te interpreteren en erover te redeneren tijdens klinische gesprekken. Deze ontwikkeling beoogt de diagnostische nauwkeurigheid te verbeteren door multimodale data, zoals beelden en documenten, in het diagnostische proces te verwerken. AMIE maakt gebruik van een state‑aware redeneringskader en is gebouwd op multimodale Gemini‑modellen. Het is geëvalueerd via deskundige beoordelingen, waaronder Objective Structured Clinical Examinations (OSCEs), waarbij de prestaties werden vergeleken met primair zorgverleners (PCP’s) in diverse patiëntenscenario’s.
Kritériumverdeling
- Multimodaal diagnostisch dialoog
- Interpretatie van visuele medische informatie
- Statenbewust redeneringskader
- Integratie met Gemini‑modellen
- Simulatieruimte voor dialoogevaluatie
Table Agent
Artificiële intelligentie-powdered data-assisteerder voor tabulair onderzoek
Table Agent is een AI-gepowered data-assistent ontworpen om bij te dragen aan tabulaire onderzoeken. Er is voornemens om het proces van samenvoeging van gegevens over elke gegeven thema automatiseren, waardoor onderzoek effectiever wordt. De tool stelt gebruikers in staat om hun data-schema's aan te passen, waardoor het de gebruikers is mogelijk om hun gegevensoverdracht aan te passen aan specifieke behoeften. Deze flexibiliteit is vooral nuttig voor een breed scala aan toepassingen en branches waar de gegevensstructuur significant kan verschillen. Op het hart van de functionaliteit van Table Agent draait de AI-agentbestuurde dataplaatszoeker. Dit betekent dat de tool kunstmatige intelligentie gebruikt om actief relevante gegevens te zoeken en samen te stellen, wat potentiële tijd- en inspanningsbesparingen kan veroorzaken bij het uitvoeren van handmatige zoekacties. Hoewel de details over zijn workflow en integraties niet zijn opgegeven, suggereert het concept van een AI-bestuurd gegevensassistent dat het mogelijk is om deze soort tools eenvoudig te integreren met verschillende gegevensanalysetools, waardoor de algemene onderzoeksprocessen verrijkt worden. De sterktes van Table Agent zouden hoogstwaarschijnlijk zijn de mogelijkheid om tijdrovende data-inzameltaken te automatiseren en de aanpasbaarheid van verschillende datastructuren. Zonder echter meer specifieke informatie is het echter lastig om zijn beperkingen vast te stellen of hoe hij zich vergelijkt met alternatieve data-assistent tools.
Kritériumverdeling
- Automatische gegevensverzameling
- Aanpasbare data-schema's
- AI-agent gedreven gegevenszoekfunctie
- Snelle en nauwkeurige gegevensoaverzameling