智谱AI旗下的GLM-PC基座模型CogAgent-9B现已开源,以促进大模型Agent生态的发展。CogAgent-9B是基于GLM-4V-9B训练而成的专用Agent任务模型,能够仅通过屏幕截图作为输入,根据用户指定的任意任务结合历史操作,预测下一步的GUI操作。这一模型的普适性使其可广泛应用于个人电脑、手机、车机设备等多种基于GUI交互的场景。
CogAgent-9B-20241220是基于视觉语言模型的GUI代理模型。
THUDM
基于GLM-4V-9B开发的双语视觉语言模型,专注于GUI界面感知与操作任务
zai-org
CogAgent是基于GLM-4V-9B优化的视觉语言模型GUI智能体,在GUI感知、推理准确性、动作空间完整性和任务泛化性方面有显著提升,支持中英双语交互,已应用于GLM-PC产品。