人类与机器的互动方式正面临范式转变，这主要源于仅具对话功能的聊天机器人正在逐步演变为“有手、有脑、有视”的自主代理。
作为首批探索自主代理的大规模模型公司之一，智谱今天发布了多项新进展：
(adsbygoogle=window.adsbygoogle||[]).push({});
AutoGLM 可自主执行超过 50 步的复杂操作，并可跨应用程序进行任务执行。
AutoGLM 实现了“全自动”上网新体验，支持数十个网站的无人驾驶。
基于视觉多模态模型，实现通用代理技术探索的 GLM-PC 开启内测，可以像人一样操作计算机。
在 Agent OpenDay 现场，AutoGLM 向在场的数百位嘉宾发送了“来自 AI 的微信红包”，并通过手机远程指挥电脑自动发送文件。
智谱 CEO 张鹏只需在现场发出一个简单的语音指令，其余复杂的操作均由智谱的产品化代理完成。
AutoGLM 新升级：应对更复杂任务
新升级的 AutoGLM 能够挑战并完成更复杂的任务：
更长的指令：理解超长指令，执行多步骤任务。例如，在采购火锅食材的案例中，AutoGLM 自主执行了 54 步操作，显示出其在长时间多步、循环任务中的速度超过人工操作。
跨应用程序：AutoGLM 支持跨应用程序执行任务，使用户习惯于 AI 自动处理，无需在多个应用间反复切换。目前，AutoGLM 更像是用户与应用间的调度层，因此跨应用能力至关重要。
短命令：AutoGLM 能够支持长任务的自定义短语。现在，你只需说“点咖啡”就能让 AutoGLM 帮你购买咖啡，而不需要给出复杂的指令。
随意模式：为了帮助用户克服选择困难，AutoGLM 在随意模式下可以主动做出决策，带来意想不到的惊喜。想试试 AI 为你点的咖啡口味吗？
同时，AutoGLM 正在进行大规模内测，并将尽快上线，成为面向消费者的产品。同时宣布启动“10 个亿级应用免费 Auto 升级”计划，邀请应用合作伙伴共同探索新的自动化场景。
支持核心场景及应用的 AutoGLM 标准 API 将在两周内上线至智谱 maas 开放平台（bigmodel.cn）供试用。
Web 端开启“全自动”上网新体验：即日起智谱清言插件上线 AutoGLM 功能，支持百度搜索、微博、知乎、Github 等数十个网站的无人驾驶。在现场演示中，智谱清言插件自动完成了“在百度搜索芒果TV，打开小巷人家，播放最新一集，发弹幕结局打卡”，全程无需人工干预。
GLM-PC 邀请内测：面向“无人驾驶”电脑的技术探索
除了基于手机和浏览器，智谱今天还推出了基于 PC 的自主代理。GLM-PC 是 GLM 团队针对“无人驾驶”计算机的一次技术探索，基于智谱的多模态模型 CogAgent。目前已开放第一阶段的内测场景，包括：
会议替身：帮助用户预订并参与会议，发送会议总结。
文档处理：支持文档下载、发送、理解与总结。
网页搜索与总结：在指定平台（如微信公众号、知乎、小红书等）搜索关键词并完成阅读与总结。
远程和定时操作：可以通过手机远程指挥，GLM-PC 能自主完成电脑操作；可设定未来时间，在开机状态下定时执行任务。
隐形屏幕：在用户工作期间，GLM-PC 能在隐形屏幕上自主完成工作，从而解放用户的屏幕使用权。
人类使用电脑的过程——通过眼睛观察图形和文字，通过大脑进行规划，再通过手执行点击等操作。而 GLM-PC 在使用电脑方面几乎与人类相同。因此，理论上只要应用为人类设计，GLM-PC 学习后都能执行。这是一种系统级的跨平台能力，不依赖于 HTML 或 API，具备更高的能力上限。
然而，由于 PC 的复杂性，以及大多数在 PC 上执行的任务都较为复杂，坦率地说，目前大模型的能力距离完全替代人工办公仍有差距。当前版本的 GLM-PC，用户仍然需要输入相当精准的指令。
GLM-PC 的邀请体验已经开启。我们将继续努力，尽快在产品完善后上线供所有用户使用，期待与更多厂商共同探索。
AutoGLM 和 GLM-PC 是我们向 AI 智能操作系统迈进的重要尝试。它们的推出源于智谱在大语言模型、多模态模型、逻辑推理和工具使用等领域的技术积累。从 2023 年 4 月的 AgentBench 开始到 8 月的 CogAgent 模型，智谱经过一年半的研发，逐步成型。
与 OpenAI 不同，智谱将大模型的发展划分为五个阶段：L1 语言能力、L2 逻辑能力（多模态能力）、L3 使用工具的能力、L4 自我学习能力、L5 探索科学规律。
到现在为止，大模型已经初步具备了人类与现实物理世界互动的某些能力。“代理将极大提升 L3 使用工具的能力，同时为 L4 自我学习能力的探索铺平道路。”张鹏表示。
张鹏表示，未来 GLM 团队将加快代理模型产品的研发，期待实现一句话操控电脑和手机的时代早日到来。
大模型从 Chat 走向 Act
如今，大模型技术正在改进机器与人之间的互动方式，基于理解需求、规划与决策、执行行动和自我反思，代理将带来更加直观的人机交互体验——从人适应机器，转向机器适应人。
苹果、Anthropic、谷歌和 OpenAI 等企业已经把代理视为 2025 年的主要关注点。业内普遍认为，2025 年将是代理爆发年。Gartner 最近将性代理 AI 列为 2025 年十大技术趋势之一，预计到 2028 年，至少有 15% 的日常工作决策将由代理 AI 自主完成，而这一比例在 2024 年为零。
与生成式 AI 不同，代理是目标驱动型的，能够完整执行工作流程，适应、学习、迭代，并与其它系统及人类协作，端到端完成任务。在张鹏看来，代理可视为大模型通用操作系统 LLM-OS 的雏形。
“目前，AutoGLM 大致是在用户与应用之间添加一个执行调度层，从而很大程度上改变了人机之间的交互形式。更重要的是，我们看到了 LLM-OS 的潜力，未来基于大模型的智能能力（从 L1 到 L4 甚至更高），有机会实现原生的人机交互，将人机交互带向新的阶段。”
AI 时代智能设备的新范式
随着大模型能力的持续进化，我们渐渐看到 AI 具备了自己的大脑、眼睛和手。不仅智能持续增强，感知能力和交互带宽也在不断丰富和拓展，而如今的代理则加速了执行力的提升。
智谱 COO 张帆表示，在大模型的加持下，智能设备将迎来新的机会。手机加 AI 将转变为个人智能助理，PC 加 AI 将成为全新的生产力工具，汽车加 AI 将使汽车成为人们的智能第三生活空间。当然，大模型的潜力不仅限于手机、PC 和汽车，而是将惠及各种智能设备。大模型的持续进化为代理在改变人车交互体验上奠定了强大基础。
随着终端性能和算力的不断提升，AI 原生设备适配的模型与端云协同架构相继出现，代理不仅在操作系统和应用上实现用户体验的变革，还能推广至各种智能设备，从手机到电脑，再到汽车、智能眼镜、家居及各类边缘设备，各种 AI 原生设备正如雨后春笋般涌现。
荣耀 AI 技术总监王作建、华硕 AIPC 智能生态负责人钟怀圣、小鹏汽车智能座舱语音业务负责人廉磊、高通 AI 产品技术中国区负责人万卫星、英特尔中国区技术部总经理高宇等客户与合作伙伴，分别从不同场景出发，分享了他们对智能终端的实践及展望。
大模型与代理的发展不仅为用户带来了 AI 时代智能设备的新范式，意味着大模型技术更广阔的落地空间。从智能设备扩展到智能网络，在不久的将来，我们将看到 AI 原生设备之间的互联互通和无限可能。在此过程中，智谱将提供一系列产品和能力，帮助智能设备拥抱大模型，加速迈向 AI 原生设备新时代。
AutoGLM 申请地址
暂无评论