智谱AI深夜上线全新Agent GLM-PC,再见仍是巅峰。

年前AI圈混战,热闹程度不亚于23年3月,一个个都卷麻了。

OpenAI半泄漏半预热搞了半天的Agent产品Operator还没来。

智谱的新版Agent GLM-PC悄无声息的憋了个大的,直接先来了。

昨天夜里,智谱突然让我帮忙试一下他们的Agent。

真的是夜里。。。

AI圈好热闹,但是作为一个自媒体,我的肝好想说:

求求了,大过年的,放过我吧。。。

没办法,为了首发,咋办呢,只能熬夜一个通宵,肝他娘的。

还好,在体验了一夜后,GLM-PC 1.1版本,没有让我失望。

虽然小问题还是有一些,但,前路已明。

可以说,如今AI领域,最让我兴奋、最让我觉得科幻的,也只有Agent了。

也给大家简单过一下他们Agent的历史。

2024年10月25日,智谱在CNCC发布了第一款手机自主人工智能,AutoGLM,直接在行业内和金融市场上掀起了风暴。

2024年11月29日,智谱在Agent OpenDay上,宣布升级版的AutoGLM,还有电脑版本的自主人工智能,GLM-PC 1.0内测版。

但是那时候,GLM-PC还是非常不成熟的,我也在当时的发布会现场写到:

终于,两个月以后,GLM-PC 1.1正式版,来了。

复杂任务拆解能力大幅强化,任务成功率比1.0高太多太多了,操作速度直逼人类,每步操作几乎都在1.5s以内,虽然别看只是0.1版本的升级,但我觉得他们内部对比版本号命名还是保守了,其实完全可以叫2.0的,再不济1.5也是可以的。。。

而且,Mac和Windows,全都都可用了。

跨越时空,智谱AI也完成了7年前,老罗在鸟巢那个“理解万岁”的梦。

也不知道,老罗看着如今的GLM-PC 1.1版本,会不会也摇着扇子,感慨到:我当年那个TNT也是很酷的啊,就是这么想的啊…如果我们晚做7年…可惜啊,没有如果。

网址在此:https://cogagent.aminer.cn/home

下载注册以后,就会来到首页。

虽然我也不知道智谱他们为啥要给GLM-PC取名叫牛牛,可能,是因为GLM-PC作为新时代的Agent代表,可以堪称赛博牛马?…

这次最大的功能更新,是他们加入的深度思考。

类似于OpenAI o1那种做法,你给GLM-PC发一个任务,他会给你先生成一套非常详细的思维链,自己给自己想明白以后,再去执行。

比如说给微信上的“熬夜测试”群的所有群成员发送2025年新春祝福语。

他会一步一步思考、拆解、返回结果,即使失败了也会自己PUA自己来进行重新反思。

而且最特别的是,跟手机端的AutoGLM不一样,这次更新明显不只是纯视觉方案了,还引入了代码机制。

生成的内容,是函数,在上图中,能看到两个GLM-PC定义的函数LAUNCH_APP和CogAgent。

这个点非常有意思,代码是极度严谨、规范、正确率高的方式,他们抛弃了传统的思维链,而是使用代码式的思维链,在我几个小时的体验里,明显能感觉到,在这套逻辑的加持下,GLM-PC对复杂任务的规划、推理、和反思的能力,得到了明显的强化。

之前GLM-PC 1.0版本的模型,是智谱在2023年就开始做的多模态GUI Agent – CogAgent,去年12月20他们也直接开源出去了,能感知和理解交互界面中的视觉元素与布局,模拟人类做出任意元操作,就比如点击、键盘输入、悬浮、拖拽那些。
而这次加入代码后,通过代码思维框架和图形界面的结合,有点像神经心理学理论中的左右脑,为右脑补齐了理性的左脑,成了一个真正完整的智能。

看看上面这个case的实际运行效果。视频为了大家观感,我都做了2倍速处理。

整体上,一气呵成,直接给我测试群里四个人,全部发了一个新春祝贺,甚至还是定制化的,每个人都写了名字,内容还不一样。
我还能说什么好呢?
真的,玩AI这么久,体验了几百款AI产品,我已经很久没有被AI所震撼了。
但是当这种任务,在电脑上,AI理解我的意图后,自动化完美的处理完成的时候,我才真真切切的感受到。
科幻变成现实的感觉。
全世界,智谱,是第一个做到的。
这一刻,怎么吹国产AI,我觉得都不为过。
2025,必是真正的Agent之年。
我也希望,是属于智谱Agent,璀璨的一年。
除了单纯的发微信文字消息,你还可以让AI,给你制作图片和视频,自动发送过去。
比如,我想让GLM-PC,给微信上的“鲜虾包”发送2025年新春祝福语,再给他制作一个新春图片和一个新春祝贺视频,发送给他。
不止发文字,GLM-PC还直接调用智谱自己的接口,创作了图和视频,发给了鲜虾包。
太太太太牛逼了。
这个图片和视频的美感虽然确实有点不太好看,但是不妨碍作为Agent的这个能力,直接酷到爆炸好吧。
又比如我还可以让它:
直接一气呵成。
虽然最后出现了BUG,一直卡死在时间循环那了,因为调用错了时间,且飞书日历只有半点和整点,时间匹配不上,所以没能成功。
但是在我看来,依然瑕不掩瑜。

整体测试上,在多步任务上表现还算是比较稳定的。

比如马上春节了,我们可以让它:打开小红书,在小红书搜索春节习俗,获取前三篇的图片和文字介绍,扩写成一篇文章,保存到桌面Word文件。
可以看到,这些任务都执行的很好,把前三篇的文章都保存下来了,还能扩写,word文件也保存的很好。
你什么都不需要干,只需要一句话,一篇word就完事了。
这一瞬间,我感觉,我看见了未来。
我脑子里莫名其妙想到的一个场景。
我穿越回到了1976年,在加州那个著名的车库里,我面前站着乔布斯和沃兹尼亚克,看着他们正在焊那个具有革命意义的Apple I,我拉着他们走到旁边,说:
嘿,给你们看一个神迹。
这叫,人工智能。
你看,我也见证了一个新的时代,见证了人机交互的又一次变革。
GLM-PC 1.1的出现,固然还有很多不足之处,比如任务成功率不是百分百,有时候也会陷入死循环。还会对着屏幕乱点,屏幕尺寸的支持也不是很好,我的带鱼屏直接没法用,只能拔了外接屏幕用我的笔记本标准分辨率的屏幕。
甚至,在我们的幻想里,真正的Agent,应该是可以打开剪映给我们自动剪个片子,打开Blendr自动建个模,它应该是个无所不能的超人。
当然,今天,AI还没有达到这一步。
但是永远不要怀疑,AI的潜力。
凌晨5点,我合上电脑,关灯入眠。
隐约中,我仿佛看到了一束光。
想来,当它再次亮起的时候。
我或许会跟着它一起,走得更远,更深。
走向那个,与现在相连的未来。

(文:数字生命卡兹克)

欢迎分享

发表评论