2024年将是实时扩散应用的一年。
2023年双11期间，运动服饰品牌FILA重仓押注淘宝店播，不仅开启了连播25小时的“日不落”模式，还邀请到多位明星驻场，打造内容化直播间，最终双11预售前4小时成交即破亿，打破行业记录。
它不仅可以从图片中提取信息并回答问题，还可以将图片转化为JSON格式。LLaVA还可以识别验证码、识别图中的物体品种等，展现出了强大的多模态能力。在性能上接近GPT-4的情况下，LLaVA具有更高的成本效益，训练只需要8个A100即可在1天内完成。
CogAgent还提供了可视化代理的能力，能够返回任何给定任务的计划、下一步行动和带有坐标的具体操作。它还增强了与图形用户界面相关的问题解答功能，可以处理与网页、PC应用程序、移动应用程序等任何图形用户界面截图相关的问题。另外，通过改进预培训和微调，CogAgent还增强了OCR相关任务的能力。这些功能的提升使得CogAgent在多个基准测试上实现了最先进的通用性能。
实施全球通信的实时语言翻译，使企业能够与多元化的客户群互动。