智谱Agent OpenDay，AutoGLM开启端侧智能新潮流

摘要：人工智能（AI）正逐渐渗透到我们生活的方方面面，改变着人类与机器的互动方式。曾经，Chatbot作为人机交互的代表，仅具备基础的对话功能。然而，时至今日，这些Chatbot正逐步进化为具备“手、脑、眼”全面能力的自主Agent，为人类带来前所未有的智能体验。

人工智能（AI）正逐渐渗透到我们生活的方方面面，改变着人类与机器的互动方式。曾经，Chatbot作为人机交互的代表，仅具备基础的对话功能。然而，时至今日，这些Chatbot正逐步进化为具备“手、脑、眼”全面能力的自主Agent，为人类带来前所未有的智能体验。

大模型之家讯 11月29日，智谱Agent OpenDay上，CEO张鹏带来了在Agent技术领域取得重大进展。其AutoGLM已能自主执行超长任务、跨App操作，并开启「全自动」上网新体验。同时，基于视觉多模态模型的GLM-PC也启动内测，实现如人般的电脑操作。此外，智谱还展望了Agent技术在智能设备中的应用，手机+AI将变智能助理，PC+AI成生产力工具，汽车+AI变成第三生活空间。

智谱的最新产品AutoGLM，不仅能够理解并执行超长指令，自主完成多达50步甚至更多的操作，而且在多步、循环任务中的速度表现甚至超越了人类手动操作。这一突破性的成就，得益于智谱在大语言模型、多模态模型、逻辑推理和工具使用等方面的深厚技术积累。

AutoGLM的另一大亮点是其跨App执行任务的能力。在过去，用户往往需要在多个应用间来回切换，才能完成一系列复杂的任务。然而，AutoGLM的出现彻底改变了这一现状。它支持跨App执行任务，用户只需给出简单的指令，即可享受AI带来的便捷。无论是搜索信息、购物消费，还是处理文档、管理日程，AutoGLM都能轻松应对，让用户从繁琐的操作中解放出来。

新升级的 AutoGLM 可以挑战完成复杂任务：

·超长任务：理解超长指令，执行超长任务。例如，在采购火锅食材的例子中，AutoGLM 自主执行了 54步无打断操作。并且，在这种多步、循环任务中，AutoGLM 的速度表现超过人手动操作。

·跨 app ：AutoGLM 支持跨 App 来执行任务。用户将习惯于 AI 自动处理，而不是在多个 APP 间来回切换。由于目前 AutoGLM 形态更像是用户和应用间的APP执行的调度层，因此跨 App 能力是里面非常关键的一步。

·短口令：AutoGLM 能够支持长任务的自定义短语。今天，你不用再给AutoGLM说：“帮我买一杯瑞幸咖啡，生椰拿铁，五道口店，大杯、热、微糖” 这类超长指令，只需要说“点咖啡”。

·随便模式：我们都会陷入选择恐惧，AutoGLM 今天可以主动帮你做出决策。随便模式下所有步骤都让 AI 决策，带来有抽盲盒式的惊喜。想不想尝尝AI为你点的咖啡口味？

在Agent OpenDay现场，AutoGLM不仅成功给每一位嘉宾发送了来自AI的微信红包，还通过手机远程指挥电脑自动发送文件。这些原本需要人类复杂操作的任务，如今完全由智谱产品化的Agent自主完成。

即日起智谱清言插件上线 AutoGLM 功能，支持搜索、微博、知乎、Github 等数十个网站的无人驾驶。在现场demo里，智谱清言插件自动完成了“搜索芒果tv，打开小巷人家，播放最新一集，发弹幕结局打卡”。全程没有人的干预。

除了AutoGLM之外，智谱还带来了另一款令人瞩目的产品——GLM-PC。这是GLM团队面向“无人驾驶”PC的一次技术探索，基于智谱的多模态模型CogAgent。GLM-PC的出现，不仅标志着智谱在Agent技术领域的又一次突破，也为人机交互方式的变革提供了新的可能。

GLM-PC能够完成一系列复杂任务，包括会议预定、参与、总结，文档处理，网页搜索与总结等。它甚至可以在远程和定时操作下，自主完成电脑操作，实现真正的“无人驾驶”。这一功能的实现，得益于GLM-PC对人类使用电脑方式的深入模拟和学习。它像人一样用眼观察图形和文字，用脑规划操作步骤，再用手（即鼠标和键盘）执行单击、双击、输入等操作。这种系统级、跨平台的能力，使得GLM-PC能够适应各种复杂的应用场景，为用户带来前所未有的智能体验。

值得一提的是，GLM-PC的隐形屏幕功能。在用户工作时，GLM-PC可以在隐形屏幕上自主完成工作，解放屏幕使用权。这意味着用户可以在不影响自己工作的前提下，让GLM-PC在后台自主完成任务。这种设计不仅提高了工作效率，还保护了用户的隐私和安全。

然而，由于PC的复杂程度以及用户在PC上完成的几乎都是复杂任务，GLM-PC在当前版本下仍需要用户输入非常精准的指令。但智谱团队表示，他们将继续努力完善产品，提升GLM-PC的智能水平和用户体验。相信在不久的将来，GLM-PC将成为用户工作中不可或缺的智能助手。

‌

从23年4月的AgentBench开始，到8月的CogAgent模型，智谱针对AutoGLM和GLM-PC的研发工作已经持续了一年半的时间。与OpenAI等其他企业不同，智谱定义了大模型发展的五个阶段：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探究科学规律。

智谱认为，大模型已经初步具备了人类与现实物理世界互动的部分能力，而Agent将极大地提升L3使用工具能力，同时开启对L4自我学习能力的探索。CEO张鹏表示，未来 GLM 团队将继续加速 agent 模型产品的研发，期待着一句话操作电脑和手机的范式尽快到来。

随着大模型技术的不断进化，Agent作为目标驱动型的智能助手，正在逐渐改变人机交互的方式。与传统的GenAI不同，Agent能够完全执行工作流程，适应、学习、迭代、与其他系统和人类协作，并端到端地完成任务。这种新型的人机交互方式，不仅提高了工作效率，还使得机器更加贴近人类的需求和习惯。

业内普遍认为，2025年将是Agent爆发之年。Gartner近期将agentic AI列为2025年十大技术趋势之一，并预测2028年至少有15%的日常工作决策将由agentic AI自主完成。这一预测不仅反映了行业对Agent技术的认可和期待，也预示着人机交互新时代的到来。

张鹏指出：“现阶段，AutoGLM 相当于在人与应用之间添加一个执行的调度层，很大程度上改变人机的交互形式。更重要的是，我们看到了 LLM-OS 的可能，基于大模型智能能力（从 L1 到 L4 乃至更高），未来有机会实现原生的人机交互。将人机交互范式带向新的阶段。”

在这个新阶段里，智谱 COO 张帆表示，智能设备在大模型的加持下，将会焕发出新的机会。手机+AI 会变成随身个人智能助理，PC+AI 将会成为全新生产力工具，汽车+AI 将会让车成为人们的智能第三生活空间。当然，大模型不仅仅会为手机、PC 和汽车带来机会，而是会惠及各种各样的智能设备。大模型的不断进化已经为 Agent 变革人车交互体验奠定了强大的基础。