作家｜Yoky邮箱｜[email protected]新澳门六合彩内部资料书
开年OpenAI放出了第一个王炸：Operator，定睛一看，这不是早就上线的智谱智能体 AutoGLM 和 GLM-PC 么？
早在本年10月25日，智谱便上线了出动端和Web端插件款式的AutoGLM，它只需吸收浅易的笔墨/语音指示，它就可以模拟东谈主类操作手机和浏览器。11月29日，智谱上线了更大权限的，基于PC的自主Agent：GLM-PC，并于2025年1月23日，更新了1.1版块，并全面公测。
从后果上看，OpenAI展示的一些Operator的讹诈场景，AutoGLM也竣工能措置，以浏览器插件的款式增强了家具纯真性的同期进一步镌汰了门槛，更首要的是，竣工免费，立省200好意思元！
比如，AutoGLM大约自主的在YouTube里给Operator写上一句“生意互吹”，或者去X里给Operator点赞。
亦或是在OpenTable上预订好餐厅的多任务分步处理，AutoGLM齐大约作念到丝滑完成。
升级后的GLM-PC与基于Web端的Agent有着更大的权限以此拓宽才略范畴，比如GLM-PC不仅大约预订餐厅，更能在系统中book日期辅导，来保证准时赴约。
硅星东谈主全面测评了最新版块的GLM-PC，剿袭总共电脑的权限后，它不仅能发微信、整理文献，还可以通过手机汉典遥控GLM-PC进行相助，以至还在这个一票难求的春运时候，接续绝操作帮我抢到了回家的火车票...
1
此役过后，胡金秋CBA生涯得分总计、8299分，超越李楠（生涯8288分），位列CBA历史得分榜第14位，排在他身前的是CBA生涯至今8303分的达柳斯-亚当斯。
本场比赛，深圳主教练兼球员周鹏面对旧主进攻端能稳定贡献，可惜外线手感很一般，且犯规不少。他替补出战40分钟，17投7中（三分10中2），罚球5中3拿到19分6篮板1助攻，出现5犯规，正负值+2。
懂事的PC，曾经学会我方抢车票、买年货了
当GLM-PC大约限度电脑后，会发生什么？
GLM-PC分为两种模式：极速模式和深度念念考模式，其中极速模式并不撑持附件上传和多轮对话，也等于端到端的text to action新澳门六合彩内部资料书，通过手机汉典遥控也仅撑持极速模式；而深度念念考模式则会展现念念考链路和逻辑，输入和输出实质愈加丰富，可执行的指示也愈加复杂。
在GLM-PC提供的案例中，有“群发助手”的相易，对话框中是一段预设的prompt，本认为要测试的我，健忘了我方的微信中确凿有一个名为「打得火热一家东谈主」的群。于是GLM-PC启动自动操作准备给每一位群友发上一段祝颂，哪怕被我紧要遏止，曾经经群发了10个东谈主。
一启动，咱们用它来执行了一些相对浅易的任务，比如用它来查找对于OpenAI的最新新闻，阅读了关系著述后帮我浅易整理一下基本信息传回，同期基于智谱清言的言语闪现才略，对新闻事件进行了分析。
接着难度逐渐升级，我让GLM-PC在小红书上找到保举的北京粤菜馆，GLM-PC在小红书中搜索了对于北京粤菜馆的帖子进行分析，它果然还智慧地知谈阅读驳倒，在驳倒中找到几家保举相比多的餐厅，然后跳转到群众点评中查了评分，临了将4.5分以上的餐厅整理进名单，回传给我。
还真别说，最终筛选出来的几家粤菜馆，滋味确凿可以也避雷了网红餐厅。
要过年了，AI能不成替我挑选点年货，加到淘宝的购物车里？
在这个过程中，展示了GLM的多层分析才略，毕竟年货不是某一种具体的商品，在我向它建议这个需求时，它先是念念考，送给父母年货包括五谷杂粮、保健品、家电，天然不一定竣工稳健父母的情意，但对类别的判定相瞄准确。
紧接着它在淘宝均分类搜索了具体的商品，而不是平直搜索“年货”两个字，天然，过程中出现了一些bug，当它搜索谷子的时候，跳出来是二次元文化的吧唧，不够端淑的GLM-PC一时候没能闪现这并不是指标商品，仍然将它加进了购物车。
GLM-PC还化身为了抢票神器，还没抢到回家车票的我，让GLM-PC帮我买最早一班的车票，它不仅查了几天的车票情况，还高亢的帮我点选了商务座，撤废收效买到一张26日的一等座。
不外在咱们的测试中，也发现了波及到账号登录、扫码登录的页面，GLM-PC没见解自主操作，也不会停驻来，而是抑遏地重迭该页面。
与Operator一样，GLM-PC也作念了敏锐性测试，让用户在敏锐时刻，比如阐明提交信息、阐明支付等页面接盘操作。
同期，在GLM-PC操作电脑页面时，会由GLM-PC主导鼠标，东谈主为骚动后仍然陆续GLM的经由，只可按下暂停键或撤废键智力竣工交予东谈主类剿袭。
1
GLM-PC怎样作念到的？
在手艺阶梯上，GLM-PC与Operator汲取的是归并种手艺有探究：基于多模态大模子的视觉识别与空间进行交互。
据OpenAI先容，Operator基于最新研发的 Computer-Using Agent (CUA) 模子，通过不雅察屏幕并使用杜撰鼠标和键盘来完成任务，而无需依赖专门的API接口。
早在2023年12月，智谱便发布了CogAgent，是其第一个基于视觉言语模子（Visual Language Model, VLM）的开源 图形界面智能体 GUI Agent 模子。GLM-PC即是基于该模子的初代家具。据诞生文档中先容，通过多模态感知杀青全 GUI 空间交互。这些 GUI Agent，访佛东谈主类，能以视觉款式感知界面元素与布局，模拟东谈主类进行点击、键盘输入等元操作，极大拓展了 Agent 在杜撰交互空间的讹诈范畴。
在GLM-PC 1.1版块中，使用更强大的视觉言语模子GLM-4V-9B行动基座模子，用来擢升模子的基座图像闪现性能。
与Operator一样的是，基于LLM模子建议Prompt，同期输入的模态（图像感知）、输出的操作空间（点击、改变、键盘输入）的交互方式一致，同期念念考了Agent和东谈主类的使用权交代情况，对于敏锐时刻的判断等等。
且在先容中，Operator令Sam Altman颇为夸口的是它的自我进化和自我反念念才略，即Operator可通过接续操作和学习掌抓东谈主类的民风，接续拓宽自己的才略范畴。
GLM-PC也基于智谱自研的「基础智能体解耦合中间界面」和「自进化在线课程强化学习框架」，其中包括了一种中枢手艺 WebRL，对于大模子智能体任务揣度、试验任务和数据稀缺、反应信号调换和多任务计策漫衍等问题进行了独特志的回击，加之自适合学习计策，大约在迭代过程中接续转变，持续强健提高自己性能，并在执行过程中取得更多生手段。
不同的是，当今Operator现阶段仅针对Web端，况且与ChatGPT绑定付费，而GLM-PC是平安的App，可针对电脑进行操作（包括浏览器和电脑腹地），同期手机可汉典遥控操作电脑，况且竣工免费。
从Operator的日记上看，Operator一次仅能执行单步的线性揣测，和法度执行，而GLM-PC具备多层级揣度揣测才略，并将CogAgent 多模态GUI Agent模子与 CodeGeex代码生成模子链接结，可杀青复杂严谨的逻辑限度。
但GLM-PC也对于硬件端的算力储备有一定的限度，仅撑持M系列的Mac电脑以及Windows10以上的系统。咱们在M1芯片的MacBook Air上进行测试，总共过程中并未出现卡顿情况。
总的来看，GLM-PC更允洽国内的互联网环境，出动端和PC端联动也更稳健泛泛的使用民风。据硅星东谈主了解，GLM-PC也将证据用户的反应持续迭代交互体验，真实自如了打工东谈主的双手！
点个“爱心”，再走吧