智谱CEO张鹏：加速Agent研发，尽快实现一句话操作电脑和手机

智谱是最早探索Agent的大模型企业之一。

本文为IPO早知道原创

作者｜Stone Jin

据IPO早知道消息，作为最早探索 Agent 的大模型企业之一，智谱于11月29日带来了多个新进展：

AutoGLM 可以自主执行超过50步的长步骤操作，也可以跨App执行任务；AutoGLM开启「全自动」上网新体验，支持等数十个网站的无人驾驶；像人一样操作计算机的GLM-PC 启动内测，基于视觉多模态模型实现通用Agent的技术探索。

具体来讲，新升级的AutoGLM可以挑战完成复杂任务：1. 超长任务：理解超长指令，执行超长任务。2. 跨App：AutoGLM 支持跨App来执行任务。3. 短口令：AutoGLM能够支持长任务的自定义短语。4. 随便模式：AutoGLM可以主动帮你做出决策。

同时 AutoGLM启动大规模内测，并将尽快上线成为面向C端用户的产品。AutoGLM同时宣布启动「10个亿级App免费Auto升级」的计划，邀请 App 伙伴联合探索自己的Auto新场景。

此外，智谱还带来基于PC的自主Agent——GLM-PC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。目前开放第一阶段的内测场景，包括：1. 会议替身：帮用户预定和参与会议，发送会议总结。2. 文档处理：支持文档下载、文档发送、理解和总结文档。3. 网页搜索与总结：在指定平台（如微信公众号、知乎、小红书等）搜索指定关键词，完成阅读、总结。4. 远程和定时操作：远程手机发指令，GLM-PC 可以自主完成电脑操作；设定一个未来时间，在开机状态下定时执行任务。5. 隐形屏幕：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。

事实上，AutoGLM和GLM-PC都是智谱迈向AI智能操作系统的重要尝试。它们的出现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方面的技术积累。从23年4月的AgentBench开始，到8月的CogAgent模型，智谱针对AutoGLM，和GLM-PC的模型CogAgent的研发工作进行了一年半的时间。

与 OpenAI 有所不同，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。

发展至今，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。“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。” 智谱CEO张鹏说。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。

这里需要指出的一点是，与GenAI不同，Agent是目标驱动型的，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。在张鹏看来，Agent可以看作是大模型通用操作系统LLM-OS的雏形。

“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。”