Cognee vs GLM-130B

Cognee transforma documentos, chats, tickets e dados de API em agentes de modelo de linguagem com memória gráfica que podem ser lembrados ao longo das sessões. Ele constrói grafos de entidades vinculadas a partir desse contexto para que os agentes parem de reiniciar do zero a cada execução. Você pode conectar Slack, GitHub ou Linear para que agentes de codificação e bots de suporte compartilhem um cérebro empresarial consciente de permissões.

RAG simples retorna trechos de texto semelhantes. Cognee combina busca vetorial com grafos de conhecimento e ontologias auto-geradas, para que a recuperação traga entidades conectadas e fatos citados em vez de trechos isolados. O SDK se concentra em quatro verbos: lembrar, recordar, esquecer e melhorar, e a mesma interface é disponibilizada via HTTP e MCP para Claude Code, Codex e OpenClaw.

Equipes de plataforma o utilizam para memória de agentes de codificação, pipelines GraphRAG, inteligência de negócios e agentes voltados ao cliente que precisam de respostas fundamentadas. Execute-o localmente com pip, hospede você mesmo em Docker ou on-premises, ou migre para Cognee Cloud quando desejar escala gerenciada. O projeto registra 30,4 mil estrelas no GitHub e mais de 5 milhões de execuções do SDK por mês, com implantações em produção na Bayer e Knowunity.

GLM-130B coloca um modelo bilíngue de linguagem com 130 bilhões de parâmetros na pilha de pesquisa aberta THUDM construída em torno da receita de pré-treinamento do General Language Model (GLM). Os pesos são direcionados para textos em inglês e chinês, e o repositório do GitHub disponibiliza código de inferência, tarefas de avaliação e checkpoints aceitos no ICLR 2023. Você pode executar geração da esquerda para a direita ou preenchimento em branco com tokens [MASK] e [gMASK] em hardware que caiba em um único servidor multi-GPU, em vez de uma API proprietária.

Enquanto a maioria dos modelos com mais de 100 bilhões de parâmetros permanece fechada, o GLM-130B publica pesos do modelo, notas de treinamento e configurações YAML para mais de 30 benchmarks. Seu caminho de quantização INT4 é ajustado para que quatro placas RTX 3090 (24GB) possam hospedar a inferência com quase nenhuma perda de precisão, um requisito muito menor do que a configuração com oito A100 (40GB) usada para execuções completas em FP16. O objetivo de treinamento mistura preenchimento em branco autorregressivo em 95% dos tokens com dados de instrução multitarefa do T0++ e DeepStruct, o que é uma aposta diferente do pré-treinamento causal padrão no estilo GPT.

Pesquisadores que estudam transferência zero-shot bilíngue, quantização de grandes modelos ou benchmarks reproduzíveis de LLMs obterão o máximo do GLM-130B. O repositório foca em ferramentas de avaliação e inferência em vez de um produto de chat hospedado, embora o THUDM tenha posteriormente desmembrado o trabalho de diálogo no ChatGLM. Espere trazer suas próprias GPUs, armazenamento para um checkpoint de 260GB e paciência para o formulário de download dos pesos.