智谱Openday-Agent 新进展：跨 app、跨设备、更多玩法

摘要：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。

作为最早探索 Agent 的大模型企业之一，11月29日，智谱Openday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，手机也可以远程操作电脑

在 Agent OpenDay 现场，AutoGLM 给在场数百位嘉宾发送了「一个来自 AI 的微信红包」，并且手机远程指挥电脑自动发送文件。

而智谱 CEO 张鹏需要做的，只是在现场下达一个简单语音指令。

这些原本对于机器而言非常复杂的操作，今天完全由智谱产品化的 Agent 完成。

AutoGLM 新升级：挑战更复杂

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？

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。

支持核心场景和核心应用的 AutoGLM 标品 API，会在两周内上线到智谱maas开放平台（bigmodel.cn）试用。

Web 端开启「全自动」上网新体验：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。

GLM-PC 邀测：面向「无人驾驶」电脑的一次技术探索

不只是基于手机和浏览器，今天智谱还带来基于 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：

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。

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。

会议替身：帮用户预定和参与会议，发送会议总结。

文档处理：支持文档下载、文档发送、理解和总结文档。

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。

人用电脑的过程——用眼看图形及文字，用脑规划，再用手执行单击双击、输入等操作。GLM-PC 用电脑的方式几乎完全和人一样。也正因如此，理论上只要是为人类设计的应用，在GLM-PC学习之后它都能够执行。这是一种系统级、跨平台的能力，不依赖于 HTML、API，具备更高的能力上限。

不过，由于 PC 的复杂程度，以及大家在 PC 完成的几乎都是复杂任务，坦率的说，今天大模型的能力距离真正代替大家办公还有一定距离。在 GLM-PC 的内测体验中，用户仍需要非常精准的输入指令。

GLM-PC「邀请体验」已开启。我们也会继续努力，在产品完善后尽快上线供所有用户使用，同时也希望和更多厂商联合共创共同探索。

AutoGLM 和 GLM-PC 的技术原理在于实现 AI 操作系统。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。” 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。

大模型从 Chat 走向 Act

在大模型技术问世之前，智能化的人机交互尚未实现。如今，随着大模型技术的进步，机器与人类的互动方式正经历深刻变革。通过理解需求、规划决策、执行操作和自我反思，智能体（Agent）正引领人机交互从人类适应机器，迈向机器适应人类的直观体验。

科技巨头如苹果（Apple Intelligence）、Anthropic（Computer Use）、谷歌（Jarvis）和OpenAI（Operator）等，已将智能体作为2025年的核心关注点。业内普遍预测，2025年将是智能体的爆发之年。Gartner近期将代理型AI（Agentic AI）列为2025年十大技术趋势之一，并预测到2028年，至少15%的日常工作决策将由代理型AI自主完成，而这一比例在2024年为零。

与生成式AI（GenAI）不同，智能体是目标驱动的，能够完整执行工作流程，具备适应、学习、迭代的能力，并能与其他系统和人类协作，端到端地完成任务。正如张鹏所言，智能体可视为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了一个执行的调度层，极大地改变了人机交互形式。更重要的是，我们看到了LLM-OS的可能性，基于大模型的智能能力（从L1到L4乃至更高），未来有望实现原生的人机交互，将人机交互范式带入新阶段。”

AI 时代智能设备新范式

随着大模型能力的不断进化，我们慢慢看到AI长出了自己的脑、眼和手。不仅仅是智能在持续增强，感知能力和交互带宽也在不断丰富和拓展，还有现在的 Agent 带来了执行力的加速提升。

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。