清华大学和智谱AI合作开发的CogVLM-17B多模态模型在多个基准测试上取得SOTA性能。该模型实现了深度融合，提高了视觉语言模型的性能，支持目标检测和文字识别等功能。文章还提到了其他多模态模型的竞争和发展，预示着多模态AI领域的激烈竞争。CogVLM-17B有望挑战GPT-4V的领导地位。