文章摘要
【关 键 词】 智能体、多模态、AI技术、人机交互、代码生成
智谱公司发布了全球首个面向公众、即用型的电脑智能体GLM-PC v1.1，该智能体具备“代码思维”，能够执行复杂任务，如识别图片信息生成文案并发送朋友圈。GLM-PC v1.1版本不仅能够观察和操作计算机，还具备深度思考模式，逻辑推理和代码生成功能。智谱的AI路线图将AGI实现划分为五级，目前AI能力已突破传统语言和文本处理限制，扩展到多模态和工具使用，未来将拥有更多自我认知能力。
智谱CEO张鹏提出，LLM已初步具备与现实物理世界互动的能力，智能体将提升L3使用工具能力，同时探索L4自我学习能力。GLM-PC v1.1的推出标志着智谱在L3级智能体探索的新进展，实现了工具使用能力的深度突破。智谱已有手机智能体AutoGLM和电脑智能体GLM-PC两大系统，分别覆盖移动设备和桌面端，实现对人机交互范式的根本性重塑。
GLM-PC通过多模态感知实现全GUI空间交互，拓宽了Agent在虚拟交互空间中的使用边界。智谱借鉴人类“左脑”与“右脑”分工，实现逻辑推理与感知认知的深度结合，赋予GLM-PC这种能力。GLM-PC的“左脑”负责逻辑推理、代码和任务执行，而“右脑”则是深度感知与交互体验的智能系统，涵盖GUI图像理解、用户行为认知等功能。
GLM-PC背后是智谱自主研发的多模态Agent模型CogAgent与代码模型CodeGeex。CogAgent-9B-20241220模型在多平台、多类别的GUI agent及GUI grounding benchmarks上取得了当前最优的结果，并已全面开源。智谱正与联想、华硕等PC厂商探讨深度合作，推动AIPC的创新与发展，使个人电脑能够完全理解用户意图，自动优化工作流程，提供精准的智能支持。
原文和模型
【原文链接】 阅读原文 [ 3448字 | 14分钟 ]
【原文作者】 新智元
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
