Research AI Agents 对决 — 2025年11月18日

1

GLM-4.6V

Z.ai 开源多模式 GLM, 为视觉、文本和工具调用提供长上下文推理、搜索、编码和 UI-to-code 的统一入口。

4.3 (6)

免费

完整评测

GLM-4.6V 是一款多模态大语言模型，能够将上下文窗口扩展到 128k token，并在视觉理解方面实现了最先进的性能。它集成了原生 Function Calling 功能，为现实业务场景中的多模态代理提供了统一的技术基础。GLM-4.6V 可以接受多模态输入，并自动生成高质量、结构化的图像与文字交互内容，完成复杂文档理解，支持视觉搜索和检索。 该模型提供多种功能和场景，包括智能图文内容创作与排版、视觉化网页搜索与丰富媒体报告生成，以及长文本上下文理解。它可以接受混合文本-图像输入，生成高质量内容，并对候选图像进行视觉审核。 GLM-4.6V 的多模态搜索与分析工作流程实现了从视觉感知到在线检索及结构化报告生成的无缝衔接。它保持多模态上下文感知，并基于文本与视觉信息进行推理。 该模型提供了多种功能和应用场景，包括意图识别与搜索规划、多模态结果对齐，以及通过丰富媒体生成报告的推理。

• 支持多模式输入（图像、文本、文件）
• Native 多模式工具调用
• 128k 上下文长度
• 功能调用功能
• 长上下文理解
• 视觉理解和工具检索

2

AMIE

一种多模态人工智能诊断代理，通过临床对话和医疗图像解读实现精准诊断。

4.7 (6)

免费

完整评测

AMIE（Articulate Medical Intelligence Explorer）是由Google DeepMind和Google Research开发的研究型AI诊断代理。它旨在通过临床对话和医疗图像解读实现精准诊断。最初，AMIE是一种基于文本的医疗诊断对话AI代理，发表在《自然》杂志上。最新的多模态AMIE发展，通过在临床对话中智能地请求、解读和推理视觉医疗信息。这一发展旨在通过将图像和文档等多模态数据纳入诊断过程来提高诊断准确性。AMIE使用状态感知推理框架，基于多模态Gemini模型构建。通过专家评估，包括客观结构化临床考试（OSCEs），比较其在各种患者场景中的表现与初级医疗医生（PCPs）。

• 多模态诊断对话
• 视觉医疗信息解读
• 状态感知推理框架
• 与Gemini模型的集成
• 用于对话评估的模拟环境

3

Table Agent

表格助手: AI驱动的表格研究助手

4.5 (6)

免费增值

完整评测

Table Agent 是一款 AI 驱动的数据助理，专为表格化研究而设计。它旨在自动化收集任意主题数据的过程，使研究更加高效。 该工具支持可定制的数据模式，使用户能够根据特定需求定制数据收集方式。这种灵活性对数据结构差异显著的各种应用和行业都非常有益。 Table Agent 的核心功能是其基于 AI 代理的数据搜索能力。这意味着该工具利用人工智能主动寻找并汇总相关数据，有望减少手动搜索所需的时间和精力。 虽然没有详细说明其工作流程和集成方式，但AI驱动的数据助理的概念表明，它可以与各种数据分析工具无缝对接，提升整体研究过程。 Table Agent 的优势可能在于它能够自动化繁琐的数据收集任务，并且能够适应不同的数据结构。然而，由于缺乏更具体的信息，要确定它的局限性或与其他数据助理工具的比较仍然比较困难。

• 自动化数据采集
• 可定制的数据模式
• AI 代理驱动的数据检索
• 快速准确的数据检索