大模型之家讯 日前，智谱GLM-PC宣布正式开放体验，这款智能体具备“观察”和“操作”计算机的能力，可以像人类一样高效完成各类复杂任务，并在发布以来不断优化升级。最新版本引入了“深度思考”模式，并增强了逻辑推理和代码生成功能，同时实现了对Windows系统的全面支持。
2024年11月29日，智谱科技正式发布基于多模态大模型CogAgent的GLM-PC v1.0，标志着全球首个面向公众、可直接操作的电脑智能体正式亮相。GLM-PC的核心技术基于智谱科技自主研发的多模态大模型CogAgent。与传统的语言模型相比，CogAgent实现了多模态感知与全GUI空间交互，使智能体能够像人类一样通过视觉感知界面元素，进行点击和键盘输入等操作。这种突破性的技术拓展了虚拟交互的边界，为用户带来了更高效的数字化操作体验。
从模型能力提升到协作架构优化，GLM-PC的开发过程深受人类大脑分工启发。通过结合逻辑推理与深度感知能力，GLM-PC在复杂任务的执行中展现了卓越的效率和创造力。例如，在自动化办公场景中，GLM-PC能够规划任务路径、分解子任务，并通过循环执行机制确保操作的精准与高效。此外，该智能体还具备动态反思与自我纠错的能力，能够灵活调整计划以适应环境变化，显著提升了任务的完成质量。
在实际应用中，GLM-PC已为用户提供了多样化的高效解决方案。从自动提取商品信息并将其加入购物车，到高效整理数据、生成代码并完成复杂的多步骤任务，GLM-PC的表现无不展示其在逻辑性与创造性之间的平衡能力。更重要的是，它能够感知多层次的环境反馈，协助用户优化工作流，为不同领域的数字化需求提供支持。
智谱科技还于2024年12月开源了全面升级的CogAgent-9B-20241220模型，为学术界与工业界进一步探索预训练GUI Agent技术奠定了基础。CogAgent-9B-20241220的发布不仅意味着模型能力的持续突破，也标志着智谱在多模态智能体研究领域的领先地位。
GLM-PC背后的技术融合了视觉语言模型与代码模型的优势。通过以代码形式指挥工具调用并强化规划与推理能力，GLM-PC在复杂场景下的表现更加稳定高效。无论是社交互动中的智能操作，还是复杂任务的自动化执行，GLM-PC都展现了其强大的应用潜力，为用户提供了无缝衔接的智能体验。
作为未来智能体发展的重要里程碑，GLM-PC不仅将推动多模态技术的广泛应用，也为智能交互技术开辟了全新的可能性。智谱科技通过不断探索与创新，将继续引领行业迈向更智能、更高效的未来。
原创文章，作者：志斌，如若转载，请注明出处：http://damoai.com.cn/archives/8944
