智譜AI、オープンソース視覚モデル「GLM-4.6V」公開:ツール呼び出しにネイティブ対応
中国の智譜AIが視覚言語モデル「GLM-4.6V」シリーズをMITライセンスでオープンソース公開した。106Bと軽量な9B Flashの2種を用意し、12.8万トークンの文脈に対応する。画像や動画を直接関数へ渡せるネイティブなツール呼び出しが最大の特徴で、商用利用も可能だ。
中国の智譜AIが視覚言語モデル「GLM-4.6V」シリーズをMITライセンスでオープンソース公開した。106Bと軽量な9B Flashの2種を用意し、12.8万トークンの文脈に対応する。画像や動画を直接関数へ渡せるネイティブなツール呼び出しが最大の特徴で、商用利用も可能だ。
Vectaraがまとめたデータによると、智譜AIのGLM-4-9B-ChatとGoogleのGemini-2.0-Flash-Expが幻覚率1.3%で最も低い数値を記録した。続くOpenAIのo1-miniも1.4%と好成績で、小型や特化型モデルでも超大型モデルと同等以上の事実正確性を達成できることが示されている。