OCR and parsing of long documents

GLM-4.5Vがリリース:オープンソースの視覚推論がマルチモダリティを「考える」時代に突入

Z.ai オープンソースのビジュアル言語モデルGLM-4.5Vを正式に発表しました。 このモデルは、この規模のオープンソースモデルのリーダーであり、40+の公開ベンチマークをカバーし、マルチモーダルな視覚的推論機能に焦点を当てています。 GLM-4.5V は GLM-4.5-Air ベースに基づいて...