Research AI Agents Oppgjør — 18. november 2025

1

GLM-4.6V

Åpen kildekode multimodal GLM fra Z.ai som samler visjon, tekst og verktøykalling for langkontekst‑resonnering, søk, koding og UI-til-kode.

4.3 (6)

Gratis

Full anmeldelse

GLM-4.6V er en multimodal stor språkmodell som skalerer kontekstvinduet til 128 k tokens og oppnår state-of-the-art‑ytelse innen visuell forståelse. Den integrerer native Function Calling‑funksjonalitet, som gir et samlet teknisk grunnlag for multimodale agenter i virkelige forretningsscenarioer. GLM-4.6V kan godta multimodale innspill og automatisk generere høy‑kvalitets, strukturert bilde‑tekst‑interlevert innhold, utføre kompleks dokumentforståelse, samt utføre visuell søk og gjenfinning. Denne modellen tilbyr flere funksjoner og scenarier, inkludert intelligent bilde‑tekst‑innholdsproduksjon og -layout, visuell nettsøk og generering av rik mediarapporter, samt forståelse av lange kontekster. Den kan godta blandede tekst‑bilde‑innspill, generere innhold av høy kvalitet og utføre en visuell revisjon av kandidatbilder. GLM-4.6V sin multimodale søke‑ og analysearbeidsflyt gjør det mulig med sømløs overgang fra visuell persepsjon til nettbasert henting og strukturert rapportgenerering. Den opprettholder multimodal kontekstbevissthet og utfører resonnering basert på både tekstuell og visuell informasjon. Denne modellen tilbyr flere funksjoner og scenarioer, inkludert intent recognition og search planning, multimodal results alignment, samt reasoning med rich media report generation.

• Støtte for multimodale innspill (bilder, tekst, filer)
• Innebygd multimodal verktøykalling
• 128 k kontekstlengde
• Funksjonskalling‑muligheter
• Forståelse av lang kontekst
• Visuell forståelse og verktøygjenfinning

2

AMIE

En multimodal AI‑diagnostisk agent som gjennomfører kliniske samtaler og tolker medisinske bilder for nøyaktige diagnoser.

4.7 (6)

Gratis

Full anmeldelse

AMIE (Articulate Medical Intelligence Explorer) er en forsknings‑AI‑diagnostisk agent utviklet av Google DeepMind og Google Research. Den er designet for å gjennomføre kliniske samtaler og tolke medisinske bilder for nøyaktige diagnoser. I utgangspunktet var AMIE en tekstbasert medisinsk diagnostisk samtale‑AI‑agent publisert i Nature. Den nyeste utviklingen, multimodale AMIE, integrerer muligheten til å be om, tolke og resonnere om visuell medisinsk informasjon under kliniske samtaler på en intelligent måte. Denne utviklingen har som mål å forbedre diagnostisk nøyaktighet ved å innlemme multimodale data, som bilder og dokumenter, i diagnostikkprosessen. AMIE bruker et state‑aware reasoning‑rammeverk og er bygget på multimodale Gemini‑modeller. Den har blitt evaluert gjennom ekspertevurderinger, inkludert Objective Structured Clinical Examinations (OSCEs), og sammenlignet ytelsen med primærhelsetjenesteleger (PCPs) i ulike pasientscenarier.

• Multimodal diagnostisk dialog
• Tolkning av visuell medisinsk informasjon
• Tilstandsbevisst resonnement‑rammeverk
• Integrasjon med Gemini-modeller
• Simuleringsmiljø for dialogevaluering

3

Table Agent

Samarbeidsverktøy for tekstanalys basert på kunstig intelligens

4.5 (6)

Freemium

Full anmeldelse

Table Agent er en maskinlæringsbasert dataassistant som er designet til å bistå med tabellforsker. Målet er å automatisere prosessen med å samle inn informasjon på noen gitt emne, noe som gjør forskning mer effektiv. Tøylen tillater personaliserte data-schemas, noe som gir brukerne mulighet til å tilpasse data-innsamlingen etter spesifikke behov. Dette fleksibiliteten er gunstig for en bred variasjon av applikasjoner og næringer der datastruktur kan variere betraktelig. I hjertet av Table Agents funksjonalitet står dens AI-agent-styrt søkeevne for data. Dette innebærer at verktøyet bruker kunstig intelligens til å aktivt søke etter og samle relevante data, potensielt reducirer den tid og anstrengelse som kreves for manuelle søk. Selv om detaljene om sin arbeidsprosess og implementeringer ikke blir vist, foreslår konseptet om en artifisiell datadriven assistent at det kunne gjøre det mulig å integrere med flere dataanalyseinstrumenter, og samtidig forbedre hele forskningsprosessen. Styrkene til Table Agent vil sannsynligvis inkludere evnen til å automatisk samle inn triviell datamengde og tilpasselsene til forskjellige datamodeller. Dette gjør det vanskelig å avgjøre dens begrensninger eller hvordan den sammenlignes med alternative datavitenskapelige verktøyer uten mer spesifikk informasjon.

• Automatisert datagång
• Tilpasselige dataskevar
• Søk etter data ved hjelp av en kunstig intelligensagent
• Rask og nøyaktig datapulling