智谱AI全新发布Agent家族，用AI操控一切不再是梦了

数字生命卡兹克

2024-11-29 11:01发布于北京科技领域创作者

全文2538字，阅读约需8分钟，帮我划重点

划重点

01智谱AI发布了升级版AutoGLM、AutoGLM-Web和GLM-PC，分别对应手机、浏览器和电脑，实现跨APP操作。

02升级版AutoGLM支持抖音、微博、饿了么、京东等主流APP，提高了便捷性。

03AutoGLM-Web基于AutoGLM技术，支持知乎、Github、芒果TV、百度搜索等N个网站。

04此外，智谱AI发布了GLM-PC，实现用AI操控电脑，完成网页浏览、微信文件发送等任务。

05最后，智谱AI在OpenDay上展示了多个Live Demo，展示了AI在日常生活中的应用潜力。

以上内容由腾讯混元大模型生成，仅供参考

受智谱AI邀请，今天早上，人在智谱Agent OpenDay。
又一次见证了历史。
图片
甚至，还抢到了AI给大家发出的200元红包，只能说，谢谢AutoGLM，谢谢老板。
图片
一个月前，智谱载CNCC会议上，正式发布了AutoGLM。
他们发布后，在整个二级市场，掀起了轩然大波，随后就是智谱AI概念股，风起云涌。
一个月后的今天，智谱在他们的OpenDay上，发布了全新的Agent蓝图。
升级版AutoGLM、AutoGLM-Web、GLM-PC。
图片
分别对应手机、浏览器、电脑。
三个系统，三种形态。
而当未来Agent能力完全成熟以后，一个形态就能操控一切，手机、车载、智能家居、电脑等等。
我们可能，就要迈入LLM OS的全新时代了。
什么叫科幻照进现实，这就是。跨越时空，智谱AI完成了7年前老罗在鸟巢那个“理解万岁”的梦。
这三个产品，我一个一个来说。
一. 升级版AutoGLM
一个月前，我已经深度体验过AutoGLM了，也给大家做了很多的测试。
比如我对AutoGLM说：“我29号要去一趟深圳，你帮我定个罗湖地铁站附近的酒店，预算600元以内，大床房。”
又或者“找到我的微信里面的鲜虾包，给他最新的三条朋友圈点赞，并且根据他发的内容写一个有趣的评论”
等等。
这些都是上个月的视频了。
牛逼是当然牛逼的，当时也让我连喊了N句卧槽，深刻的体现了什么叫：“两岸卧槽啼不住，AI已过万重山。”
但是当时的AutoGLM，也有一个很大的问题，我也在文章里面写了。
就是支持的APP太少，当时只支持这几个APP：
图片
同时也不能跨APP操作。
比让我让他搜一个淘宝的衣服，再把链接发群里，也直接GG。
当时我说，可能要几个月的时间，才能再进化一波，因为做这种Agent，周期还真的挺长的。
但是没想到，只过去了一个月，AutoGLM，就又来了一次进化。
又尝试支持了一大部分主流APP。
比如抖音、微博、饿了么、京东、拼多多等等。
而且，这一次，终于，支持跨APP操作了。
图片
以前只能单APP，没法跨APP操作，但是我们人的真实场景，几乎都是各种APP互相跳来跳去，比如在美团外卖和饿了么里比价，比如在小红书里搜旅游攻略去携程订酒店等等。
当Agent，可以跨越各大APP之间的高墙，来替代人在各大APP之间流转，这个商业价值，就有很大的想象空间了。
这是一个人与传统GUI之间的，一个全新的系统。
此名，为LLM OS。
举例一个小case：去小红书上搜一下奶龙的搞笑图，然后发给我的群聊。
完成的很好，几乎没有卡顿，只是在选分享哪个笔记的时候，让我人工选了一下，后续的分享一气呵成。
他们自己还在现场，演示了一个50多步的Demo。
图片
在小红书上总结一下做一道菜需要哪些食材，然后一起在美团下单。
给我看懵逼了。
这次，他们还在便捷性上有了一定的进化。
搞了一个叫快捷口令点东西，其实就是个预设，比如点喜茶这事，每次我都要说一遍：“帮我点一杯距离我最近的喜茶，要椰椰芒芒少少冰，不另外加糖。”
但是现在，可以直接把快捷口令设成点喜茶，以后我就只需要念这三个字就行，不需要再念一大串了，还是挺麻烦的。
图片
不过在我测试下来，成功率比上一版的单一任务成功率要低不少了，毕竟在技术上跨APP就是指数级难度增加。在我的测试中，会出现过很多次卡死、或者出错的情况，特别是带着上下文导航之类的。直接就懵逼了。
不过也就1个月的时间，至少这次已经支持跨APP了，这就是一个非常非常牛逼的起点。
等支持所有APP互相跳转协同的时候，那就是，Agent真正成神的那一刻。
二. AutoGLM-Web
基于AutoGLM技术打造的电脑浏览器版本，支持知乎、Github、芒果TV、百度搜索、微博等等N个网站。
跟手机版AutoGLM类似，用的是同种技术底层，所以也支持跨APP操作。
比如官方现场演示的这个case：
“在百度搜索芒果tv，打开再见爱人，播放最新一集，发弹幕”
这块其实就是生态的一环，为浏览器OS做的布局，不过多赘述了。
三. GLM-PC
这个其实是One-more-thing。
之前我其实就知道，这次OpenDay会发AutoGLM的升级版，他们也提前给我测了。
但是这个PC版，真的是严防死守，直到前一天我拿到当日议程的时候，我才发现，卧槽，要发PC版本的AutoGLM了。
不过也能猜到，既然做了Phone Use，那没理由不做Computer Use对吧。
所以，GLM-PC来了。
不过他们这个命名倒是很有趣，没用AutoGLM的延伸，而是用了GLM-PC。

‍我直接来放个他们的官方宣传片，让大家感受一下，这玩意的有趣和强大。

一句话操控电脑，完成网页浏览、微信文件发送、参加会议、发送会议总结等等等等。比Claude的Computer Use更适合中国体制。
当时在现场放完以后，全场掌声雷动，鼓掌了十几秒钟不停歇。
我就听着我身边的人，不断的卧槽、卧槽、卧槽。
而且最好玩的是，可以通过手机远程操控电脑。
作为打工人，总会遇到那种，晚上下班了正在外面正跟别人Happy着，突然老板或者甲方一个电话，让你把公司文件发给他，很急、非常急，立刻就要。
过去，你估计已经想把老板杀了，然后找个有电脑的地方，甚至隐私安全注重高一点的，你还得打车回公司。
现在，对着手机一句话，就能让GLM-PC，给你把一切都做了。
真正的实现，用AI，给我自由。
GLM-PC的底座模型是CogAgent，这就是一个能理解界面UI并且进行复杂任务拆解的Agent视觉模型。
大概原理就是，看电脑屏幕，然后规划，在对屏幕元素进行操作，比如点击、输入、滚动等等。
这一套方案，理论上来说，上限无限高。
因为，人，就是这么操作电脑的。
图片
目前场景开放了这几个。
图片
不过我也在现场体验了一下内测版，感觉还是比较基础，感觉更像是一个秀肌肉的产品，跟一个月前刚刚发布的AutoGLM有点像，作为产品，还不是那么的完善。
比如要非常精准的prompt，需要我们先帮他把步骤拆解完给他规划好；比如操作屏幕的速度非常慢；比如目前支持M芯片的Mac等等等等。
但是不影响我，非常看好这条路。
但这毕竟也只是刚刚开始，现在，微软、Google、OpenAI都在疯狂的卷Agent的这条路，GLM大模型团队一个月就能升级这么多，可能只要两个月时间。
一切就变天了。
AI一天，人间一年，这就是AI的速度。
写在最后
在最后的Live Demo上，智谱AI又整了几个活。
用AutoGLM现在拉了一个面对面建群。
用又用AutoGLM，给群里发了2万块钱的红包，现在直接氛围被推向了最高潮。
最能拉动氛围的手段，往往都是最朴实无华的场景。
AI给你发的第一个红包，就是这一年里，我收到的最酷的一个红包。
我很多时候，都会在幻想。
当AI，真的能跟人一样，使用工具，操作工具。
会变成什么样子，他们的上限，会有多高。
毕竟，智人当初走出非洲大陆。
就是因为，他们举起了。
那束黑暗中的火把。

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。

>/ 作者：卡兹克

查看原图 66K