站長之家（ChinaZ.com）12月21日 消息:智譜 AI 開源了 CogAgent，它是一個視覺語言模型，擁有180億參數(shù)規(guī)模。該模型在 GUI 理解和導航方面表現(xiàn)出色，在多個基準測試上取得了 SOTA 的通用性能。
它還支持高分辨率的視覺輸入和對話問答，并且可以針對任意 GUI 截圖進行問答。
模型可以通過上傳截圖來進行任務推理，并返回計劃、下一個動作以及具體操作的坐標信息。
CogAgent 還支持 OCR 相關任務，通過預訓練和微調，其能力得到了顯著提升。
Github:
https://github.com/CogNLP/CogAGENT
cogagent-chat:
https://modelscope.cn/models/ZhipuAI/cogagent-chat/summary
cogagent-vqa:
https://www.modelscope.cn/models/ZhipuAI/cogagent-vqa/summary
（舉報）
在當今全球化浪潮中，跨語言溝通的需求如潮水般洶涌。從商務領域的跨國談判，到文化交流中的思想碰撞，高效、精準的語言翻譯成為關鍵橋梁。隨著技術的不斷發(fā)展與迭代，時空壺有望持續(xù)引領行業(yè)變革，推動全球交流合作邁向新的高度，真正實現(xiàn)跨越語言障礙，讓世界溝通無阻。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領域的熱點內容，聚焦開發(fā)者，助你洞悉技術趨勢、了解創(chuàng)新AI產品應用。新鮮AI產品點擊了解:https://top.aibase.com/1、Kimi開源視覺語言模型 Kimi-VL 與 Kimi-VL-Thinking，多項基準超越 GPT-4oMoonshot AI 最近開源了 Kimi-VL 和 Kimi-VL-Thinking 兩款視覺語言模型，展現(xiàn)出卓越的多模態(tài)理解與推理能力。這些模型采
谷歌在GoogleCloudNext25大會上，開源了首個標準智能體交互協(xié)議——Agent2AgentProtocol。A2A將徹底打破系統(tǒng)孤島，對智能體的能力、跨平臺、執(zhí)行效率產生質的改變，支持Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG和Workday等主流企業(yè)應用平臺。通過A2A協(xié)議，MongoDB可以使其數(shù)據(jù)庫服務與智能Agent相結合，實現(xiàn)更高效的數(shù)據(jù)管理和自動化數(shù)據(jù)處理。
今天凌晨2點，OpenAI開源了專門用于智能體瀏覽器功能的測試基準——BrowseComp。這個測試基準非常有難度，連OpenAI自己的GPT-4o、GPT-4.5準確率只有0.6%和0.9%幾乎為0，即便使用帶瀏覽器功能的GPT-4o也只有1.9%。通過使用更多的計算資源，模型可以嘗試更多的搜索路徑，從提高找到正確答案的概率。
“谷歌版MCP”來了!谷歌推出A2A協(xié)議，即Agent2Agent，能讓AIAgent在不同生態(tài)系統(tǒng)間安全協(xié)作無需考慮框架或供應商。不同平臺構建的AIAgent之間可以進行通信、發(fā)現(xiàn)彼此的能力、協(xié)商任務并開展協(xié)作，企業(yè)可通過專業(yè)Agent團隊處理復雜工作流。從各大廠最近動作來看，蕪湖，不愧是Agent元年。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領域的熱點內容，聚焦開發(fā)者，助你洞悉技術趨勢、了解創(chuàng)新AI產品應用。新鮮AI產品點擊了解:https://top.aibase.com/1、Qwen3即將來襲:阿里云新模型相關支持已正式合并至vLLM代碼庫阿里云的Qwen3模型即將發(fā)布，標志著其在AI領域的又一重要進展。新推出的AI聽歌報告能夠精準識別用戶音樂偏好，場景
谷歌在GoogleCloudNext25大會上，開源了首個Agent開發(fā)套件—ADK。這也是OpenAI之后第二家大廠發(fā)布的標準化智能體SDK。谷歌剛開源ADK幾天在Github已經超過5000顆星，非常受開發(fā)者的歡迎。
歡迎來到【AI日報】欄目!這里是你每天探索人工智能世界的指南，每天我們?yōu)槟愠尸F(xiàn)AI領域的熱點內容，聚焦開發(fā)者，助你洞悉技術趨勢、了解創(chuàng)新AI產品應用。新鮮AI產品點擊了解:https://top.aibase.com/1、智譜AI啟用全新域名Z.ai 并開源32B/9B 系列 GLM 模型智譜技術團隊近期宣布開源32B和9B系列的GLM模型，并推出全新交互體驗平臺Z.ai。這些模型遵循MIT許可協(xié)議，支持商業(yè)用途，提升了
文章探討了AI Agents發(fā)展需要類似HTTPS的安全協(xié)議保障?；仡櫥ヂ?lián)網發(fā)展歷程，TCP/IP協(xié)議統(tǒng)一了網絡通信標準，HTTP協(xié)議實現(xiàn)了全球互聯(lián)，而HTTPS通過SSL加密解決了安全問題。類比互聯(lián)網發(fā)展，當前AI Agents產業(yè)面臨類似挑戰(zhàn)：Anthropic推出的MCP協(xié)議解決智能體與工具連接問題，Google的A2A協(xié)議實現(xiàn)智能體間協(xié)作，但缺乏安全標準。IIFAA聯(lián)盟正致力于構建AI Agents安全生態(tài)，推出ASL中間件保障數(shù)據(jù)隱私和身份認證。文章指出，正如HTTPS推動電商繁榮，AI Agents的安全標準化將加速商業(yè)化進程，螞蟻集團等企業(yè)已開始實踐MCP應用。未來AI Agents可能通過統(tǒng)一入口調用工具池，改變現(xiàn)有交互模式。
在GoogleCloudNext25大會上，谷歌宣布開源了首個標準智能體交互協(xié)議——Agent2AgentProtocol，這一舉措有望徹底改變智能體之間的交互方式，打破系統(tǒng)孤島，對智能體的能力、跨平臺協(xié)作以及執(zhí)行效率產生質的飛躍。A2A協(xié)議是一種開放標準，旨在為智能體提供一種通用的交互方式，使它們能夠在不同的底層框架和供應商之間無縫協(xié)作。每個部分都有指定的內容類型，這使得客戶端和遠程智能體能夠協(xié)商所需的正確格式，并且明確包括用戶界面能力的協(xié)商，比如iframe、視頻、網絡表單等，從根據(jù)用戶的需求和設備的能力，提供最佳的用戶體驗。
