全球首个「手机通用Agent」上线，人人可用

还记得「」吗？

去年10月智谱发布全球首个Phone-Use产品AutoGLM，开启Agent的新时代。

今天，AutoGLM 2.0再次升级，将Agent应用提升到新的高度——

• 全球首个手机Agent，人人可用；

• 开创Agent+云手机/云电脑的新技术范式，不抢占用户手机和电脑；
• 突破硬件限制，在任何设备、任何场景下运行，帮助用户代理操作；
• 国产模型（GLM-4.5、GLM-4.5V）驱动，具备推理、代码与多模态的全能能力

即刻起，人人都可使用AutoGLM。我们将快速迭代推出新功能（ “定时任务” 很快上线，AI每天主动替你干活）。应用商店搜索“AutoGLM”， 或点击文末“阅读原文”。

操作执行助手

过去的AI多停留在“对话”层面；一般的智能体助手也多局限于信息查询和总结。

AutoGLM 2.0 则实现了质的飞跃——它不再只是“说”，而是真正能够“做”。

事实上，在AutoGLM 1.0中，我们已探索过让AI代替用户完成部分手机操作，但只在有限场景下生效。随着AutoGLM 2.0的发布，它已经成长为一名执行型助手，能够在「云端」自主完成多样化的任务。

在生活场景中，用户只需一句话，就能让 AutoGLM 操作美团、京东、小红书、抖音等几十个高频应用：点外卖、订机票、查房源，例如帮你买「秋天的第一杯奶茶」。

在办公场景中，它同样能跨网站执行全流程工作，操作网页版的飞书、网易邮箱、知乎、微博、抖音、微头条等网站：从信息检索到内容撰写，再到生成视频、PPT 或播客，并直接完成小红书、抖音等社交媒体平台内容发布。

这意味着，AI不再是一个“聊天工具”，而是一个能真正替你干活的全能代理人。不仅能给出答案，还能把任务完整执行，帮助用户节省时间与精力，彻底改变人与AI的协作方式。

为AI配一台手机

AutoGLM的主要亮点，是一个APP让一部手机成为真正的“新物种”。

在AutoGLM 2.0中，我们为AI配备了专属智能体手机/智能体电脑，让它可以在云端自主干活、完成任务，而无需占用用户的本地设备，期间用户可以使用其他 APP（如刷抖音、打游戏）。

这意味着AI不仅能“自动驾驶手机”，还可“异步代理办公”。让手机变成具备自主执行、跨端协作能力的智能体手机。

AutoGLM会以这样的产品形态出现，源于我们对AGI早期形态的理解。我们认为从Agent到AGI，还需要满足3A原则：

• Around-the-clock（全时）：24 小时运行，即使用户离线，Agent 依然在执行任务；
• Autonomy without interference（自主零干扰）：独立运行，不占用用户屏幕与算力，平行世界的搭子；
• Affinity（全域连接）：跳出浏览器对话框，跨越手机、电脑、手表、眼镜、家电等设备，操作物理世界。

AI新硬件

借助AutoGLM强大的云端执行能力，人与设备的交互方式正在被重新定义。

我们已将AutoGLM的操作执行能力封装为API，开发者只需简单接入，即可将这一能力无缝融入各类硬件设备，从AI眼镜等可穿戴设备到传统家电。

AutoGLM首次让硬件具备完整的手机级操作能力，无需在端侧堆叠复杂系统或大容量电池。例如，可以通过智能眼镜点一杯咖啡。

今日起，AutoGLM移动端API申请通道及开发者生态共建计划正式上线。除手机与电脑外，手表、眼镜、家电等设备都能成为Agent驱动的智能助手。

期待与更多开发者共同探索AI融入物理世界的无限可能。 传送门：https://autoglm.zhipuai.cn/misc/developer-apply

技术SOTA

AutoGLM可以在国内免费向所有人开放，因为它是纯国产Agent，成本相较于接入国外模型的Agent有了数量级的下降。

AutoGLM由智谱最新开源SOTA语言模型GLM-4.5与视觉推理模型GLM-4.5V驱动。AutoGLM将基座模型原生能力发挥到极致，并结合在「端到端异步强化学习」方面的多项突破成果，可以完成推理、编码、研究、Agentic与GUI操作等多类任务，并可根据需求灵活调用最合适的「大脑」完成执行。

• ComputerRL：提出API-GUI协同范式，提升数据多样性与计算效率；改进GRPO并提出 Entropulse 机制，增强探索与策略多样性。
• MobileRL：创新难度自适应强化学习方法（推理自举预热 + 难度自适应GRPO），显著提升移动端任务的稳定性与收敛效率。
• AgentRL：通过交叉采样与任务优势归一化机制，解决多任务训练中的不稳定与梯度分布不均，增强整体鲁棒性与效率。

在Device Use基准测试（涵盖手机、电脑和网页操作）中，AutoGLM表现优于ChatGPT Agent、UI-TARS-1.5和Claude Sonnet4，展现出更强的鲁棒性与通用性，处于主流Agent的SOTA水平。

更多技术细节，请参阅GLM团队的三篇最新技术论文：

• ComputerRL: Scaling End-to-End Online Reinforcement Learning for Computer Use Agents（https://arxiv.org/abs/2508.14040）
• MobileRL: Advancing Mobile Use Agents With Adaptive Online Reinforcement Learning（https://github.com/Xiao9905/AutoGLM/blob/main/static/papers/mobilerl_0820.pdf）

• AgentRL: Reinforcing Multi-task LLM Agents From Zero (Upcoming)