迪士尼彩乐园iii 实测会千里想的国产Agent : 深度商榷又能我方干活的AI , 免费不限量

淌若有一个会想考可是不会作念事的AI还有会作念事可是不会想考的AI迪士尼彩乐园iii。

你会选哪个？

淌若让我来选，我会说：whynotboth？

今天在中关村论坛智谱OpenDay上，智谱发布了AutoGLM千里想——首个带有千里想才调的桌面端agent。

这是第一个存在于电脑桌面的，能先想考在作念事，且作念的经过中抑止想考的agent。

抛给它一个问题，它会缓缓分解问题，然后在你面前（或者你不看着它也行）掀开一个又一个浏览器标签页，我方上去搜索、查找、纪录、汇总、分析信息，最终为你生成一份经过充分查证和深度想考的收尾解释。

淌若你还不知谈这是个什么东西，简便前情概要一下：

AutoGLM是智谱推出的Agent产物，能够已毕敌手机屏幕和电脑浏览器的操作。要点在于已毕样子是前台的图形界面(GUI)，而不是后台的利用接口(API)。你可以认识为AutoGLM学习东谈主类通过“手眼并用”的样子，径直在用户界面上进行操作。这和市面上绝大遍及基于API的agent产物有着昭着的交互样子区别。

而千里想才调，正如字面真谛，让AI可以一边想、一边搜，自主解决通达式的、闇练语料不包含的问题，效法深度想考和展现深度商榷的才调。智谱在本年3月初拿到新一轮融资的时候就对外预报正在研发千里想，而这个功能的开关也仍是在该公司开发的“智谱清言”(ChatGLM)大模子产物里上线了。

而在AutoGLM千里想的身上，智谱独到的GUIagent功能，和东谈主们最追捧和爱用的千里想才调，终于已毕了和会。

AutoGLM千里想背后的模子基座，也在本次OpenDay上追究发布：

GLM-4-Air-0414基座模子，具有320亿参数目，但性能足以对标DeepSeek-V3、R1(670B)、Qwen2.5-Max等更大参数目的模子。

但因为参数目更少，GLM-4-Air0414可以快速践诺agent类职责，为agent的才调普及以及大限度落地利用提供基础，也一定进程上确保了末端用户的试用体验。

智谱还发布了GLM-Z1-Air推理模子，比较DeepSeek-R1（激活37B）推理速率普及了8倍，而本钱裁汰到惟有后者的三十分之一。

这亦然一个可以在残害级显卡上运行的推理模子，能够显耀提高开发者的使用体验。

智谱还基于GLM-Z1模子，使用自进化强化学习样子，闇练了一个新的千里想模子GLM-Z1-Rumination，能够及时联网搜索、动态调用用具，深度分析和自我考证。这个千里想模子能够自主认识用户需求，在复杂任务中抑止优化推理、反复考证与修正假定，使商榷效率更具可靠性与实用性。

也即是说：AutoGLM千里想的基础模子架构是这么的：

中层推理和千里想模子GLM-Z1-Air、GLM-Z1-Rumination+底层话语模子GLM-4-Air-0414

加上工程/产物层的AutoGLM用具，就酿成了AutoGLM千里想的通盘期间栈。

智谱也蓄意在4月14日全面追究开源AutoGLM千里想背后的扫数模子。

此前智谱曾共享过团队对于AGI道路图的判断：淌若用自动驾驶层级打比喻的话，面前大模子产物大体上取得了自我学习的才调，接近于L3；而千里想、反想、自我品评等才调则是L4阶段。

需要瞩主义是，面前AutoGLM千里想还处于beta测试阶段。上个周末，APPSO深度使用了这个产物。从测试收尾来看，它在处理复杂职责上的效果确有提高的空间，底层逻辑也需要优化，但看成一个卓绝新颖的大模子-agent产物，总体效果仍是令东谈主惊艳。

智谱仍是踏入了大模子agent的L4阶段，固然仅仅进来了半只脚。

AutoGLM的千里想功能，面前仍是追究上线智谱清言网页端、PC端和手机App，免费、不限量地通达。

当Agent有了千里想才调，AI终于学会我方干活了？

客岁Anthropic发布了“ComputerUse”，同期展现了富有的模子才调以及较强的引诱交互才调，让agent（智能体）的设想终于初度得到实践。本年1月，Anthropic在好意思国的最大敌手OpenAI也通过新产物Operator，作念出对于GUIagent理念的演绎。

亦然在客岁10月，智谱和Anthropic险些同期发布了各安逸agent方朝上的最新尝试。智谱的AutoGLM是第一家国内机构推出的基于GUI的agent产物。

而今天的AutoGLM千里想，不仅将agent的践诺任务才调带到了桌面端，更是把用具操作才调、深度商榷才调、推理才息争大预言才调进行了初度和会。

这种多重才调驱动的agent，卓绝安妥信息检索、索取、汇总型任务。

这就好比是让agent“开车”，往日你得给他一辆车，教他标的盘、油门刹车、档位奈何用，以致告诉它开车和倒车的时候折柳要往哪看——而面前，agent仍是可以“自动驾驶”了。

让它制作一份“不同于网上扫数主流道路的日本两周小众经典行攻略，要求统统不去最火的主义地，要小众景点，但也要评价比较好的。”

AutoGLM千里想比较准确地拆解了需求，想考逻辑也比较了了：它当先去搜了最简便的关节词“日本旅游”，了解主流道路和景点，然后又去搜索了“日本小众旅游景点”之类的关节词——通过这几个才能，它在本次对话的回顾里面构建了一个常识库，也即什么是主流的，什么是小众的。

这个任务统共作念了20屡次想考。有时候几次想考之间会有重叠，比如搜索的是疏通的关节词，看望了疏通或者相似的相接等。这有可能是因为单次搜索到的信息不及够，毕竟千里想/深度搜索的骨子其实亦然抑止地自我怀疑和推翻，直到达到富有置信度时候才参加下一步。

APPSO还瞩目到它有点过度依赖特定的网站看成信息着手，掀开的扫数tab里有90%齐是小红书和知乎（各一半傍边）。反而简直的旅行专科府上库，比如马蜂窝、穷游，或者哪怕是OTA平台，它一次没用过。

淌若要作念一份简直的小众攻略，重度依赖小红书的收尾可能并不睬想。毕竟能上小红书的热点条记，这个景点应该并不的确小众。一个简直的小众景点旅行者，就怕不想去momo们仍是去过或者齐想去的地点……

APPSO瞩目到，AutoGLM千里想在千里想事后我方冷落了“道路贪图合理，不要有无意旨的反折”、“行程节拍合理，别太特种兵”之类的要求。

仅仅执行收尾莫得反应它我方冷落的这些要求：比如头几天在濑户内海往复折返，有时候一天内去两三个相隔一小时以上的地点，略微特种兵；第二周从青森向南到仙台，然后又从仙台飞机向北大跨度飞到了北海谈，而况北海谈只留了两天。

琢磨到日本大跨度旅行基本齐靠JR，票价上流，合理的道路应该是顺着一个标的不回头，除非不得不去大城市换车，一般不应该折返。

但总体来讲，这份攻略是灵验的：它呈现了一些发问者未尝琢磨过的主义地，也试图在一次行程里去到季节、场面、立场完全不相通的地点（而不是围在大东京、富士山、京坂奈区域往复打转）。

从这个角度，它服从了教导的要求，而况展现出了深度想考的收尾。

就像你不应该径直把AI生成的收尾径直拿去用相通，这份攻略提供了一个还算可以的基础，让旅行者可以自行优化具体的主义地、道路和中间的交通样子。旅行不仅仅上车睡眠下车拍照，还应该兼顾东谈主文和当然，深刻当地文化传统，探索当然景不雅，以及至少感受一把在当地最有特质的体验样貌。

只须你的期待不是即问即用，AutoGLM千里想给出的谜底是富有令东谈主振作的。

琢磨到AutoGLM千里想与其它深度想考型大模子最大的额外之处在于浏览器的操控才调，迪士尼彩乐园APPSO也更深刻和严苛地测试了一下他的browseruse才调。

让它作念一份对于科创板云揣测公司的研报，望望收尾奈何样。

正如前一次作念旅行攻略相通，AutoGLM千里想的“想考经过”是莫得任何问题的。从下图中可以看到，它：

1.准确拆解了筛选条目；

2.明确需要多轮搜索和迭代；

3.制定了分才能的蓄意；

4.通过“一般搜索”找到了概况的搜索蓄意；

5.启动践诺分步操作。

可是browseruse的经过实在让东谈主有点捏头：AutoGLM用具一次又一次地试图掀开证监会指定的信息浮现网站（巨潮资讯），解析网页的信息。它获胜地找到了网站数据库的条目筛采选具，但老是无法正常筛选，要么选不好时候区间，要么找不到对应板块的下拉菜单在哪。

APPSO不雅察到，AutoGLM千里想给每一才能的定时平素是3分20秒傍边，但淌若看望网站不获胜，就会因为操作超时而导致“本轮想考”失败。

另外，凭据APPSO之前体验客岁的AutoGLM以卓绝它GUIagent产物时，当需要用户进行登录操作、输入付款信息、点击发送按钮这种明锐性操作的训导，agent可以停驻来恭候用户操作。而在使用AutoGLM千里想的经过中，它的确可以等候用户登录，但遭逢“用不解白网站”的情况，并莫得呼叫用户禁受，而是只会傻傻地等着。

在本次任务中，连气儿两轮想考失败之后，AutoGLM千里想启动参加一个重新想考-跟之前导致失败的想考收尾相通-再重新想考的轮回经过，一直日中必昃了五六次，终末败下阵来，把蓄意转向了知乎。才能进行到这里的时候，其实仍是算任务失败了，因为输入的原始指示是查找和汇总上市公司府上和公告，数据的专科准确性很伏击，而知乎并不是一个可靠的上市公司信息浮现平台。

经过了好几次笨重的测试，终末终于吐出了收尾：华为、紫光、UCloud三家公司，固然齐跟旯旮揣测辩论，但三家的股票代码齐写错了，更别提有两家并没上科创板。

Agent“自动驾驶”才调，和路况、驾驶位有很大关系

在其它更“松驰”的任务（比如作念旅行贪图、游戏攻略、查找简便信息等）当中，AutoGLM用具的browseruse才调是莫得太大问题的。

但APPSO发现，一朝刻下网站的视觉设计相对复杂，或者设计的有一些陷坑，AutoGLM用具就很容易被“使绊子”。

一个最径直的例子即是电商网站。APPSO给出明确教导，“去淘宝或京东购买一件重磅日系T恤”，AutoGLM千里想制定了宏伟的蓄意和明确的单干——关联词却连淘宝首页的山门齐进不去，以致找不到搜索框在那里。

而且它似乎被“找不到搜索框”这件事完全违背住了，以致也莫得去看网页的其它位置——淌若它看了的话，细则会发现辩论商品早就出面前首页保举里了。

对于这个测试中发现的不测情况，智谱CEO张鹏暗示，“点背弗成赖社会”，AutoGLM千里想面前仍在beta阶段，还有很大的进化空间，而且面前的升级速率也很快（APPSO在追究发布版上测试淘宝的使用效果仍是没那么趔趄了）。

张鹏指出，在模子看成服务或看成产物（MaaS）的理念下，模子产物我方的才调要像木桶相通，高且全面。无意面前AutoGLM用具的视觉才调还不如东谈主，处理不测情况的才调还不够，归根结底可能是泛化才调还不够，但这些才调的普及并不是模子问题，而是地谈的工程层面——不需要系念。

从模子底座层面，AutoGLM千里想也有普及的空间。

时时用诳言语模子产物的一又友齐知谈，教导写的越具体，规则和界限设定的越明确，它的效果越好，越有但愿生成安妥用户教导的收尾。基于诳言语模子的agent亦然相通。

可是教导弗成无尽扩张，就好比你招了一个通知帮你干活，但你不应该老是每次齐把“找谁”、“什么地点”、“什么时候”、“去哪”等一切的信息齐讲了了，ta才能免强获胜地帮你贬责一个饭局的准备职责。

诳言语模子很宽绰，但也有它灾祸的地点：只受到文本规则的拘谨，穷乏简直的执行问题的贪图才调，任务经过中容易被卡住；穷乏富有长的高下文回顾空间，任务络续时候太长就络续不下去；上一个才能的诞妄会跟着才能逐步放大，直至失败。

AutoGLM千里想亦然一个基于诳言语模子的agent，即便在agent才调上作念了许多职责，但仍然未免受到诳言语模子的是曲。想考才调越强，越容易想多、想歪。

从APPSO的试用经过中可以看到，除了一些统统基础的成见（比如“旅游”、“T恤”、“公司”）除外，它并莫得略微复杂的表层常识。用户每次发出任何指示，它齐要先我方掀开浏览器，上网学习一遍，明确用户的所指，在本次对话的有限回顾空间内建造一个常识库，然后再去进行后续的才能。

而就它面前最擅长和依赖的那几个信息着手来看，一朝用户任务的复杂性、专科性“上了强度”，想要它在用户可接受的时候（面前官方定的是每任务统共15分钟傍边）内，查到真实、准确和有价值的信息，就的确有点免强了，更别提给到用户灵验的收尾（APPSO的测试中有一半无法输出竣工的收尾）。

不外这并不是个太大的问题。

有这么一个很执行的不雅点，可以套用到AutoGLM千里想上：

今天的agent水平，将它视为“主驾驶”可能才调尚有不及。但它仍然是一个很好的副驾驶(copilot)。

在AutoGLM千里想上，咱们看到了富有的想考才调，也看到了优秀（但照实受制于客不雅身分）的browseruse才调。很赫然，智谱看成中国面前非巨头公司当中，少数模子才调最强的选手之一，细则会在这两个才调上头赓续跳跃，而且会很快。

自从APPSO拿到测试经验，到AutoGLM千里想追究发布，中间仍是更新了数个版块，在模子基座和浏览器操控才调上头齐有了改造。

但淌若咱们想要的是一个简直会想考且能服务的agent，咱们就怕需要比现存范式的诳言语模子更宽绰的智能体基座。

而智谱推出的“话语+推理+千里想+行为”的Agent框架，尽管产物层面仍然幼稚，但看起来是一个卓绝明确可行的标的。

诚然，国产大模子和基于大模子的agent产物，现阶段的蓄意淌若放在“追逐硅谷敌手”上可能反而更执行少量。AutoGLM千里想从操作逻辑和已毕主义上，齐是昭着区别于面前国内扫数同类和类似产物的“新物种”，和Anthropic、OpenAI也正在拉近距离。

对于这么一家非巨头、脱胎于中国顶级学府的大模子改变指引者来说，大遍及的不及齐可以被容忍，而看到它在作念的事情的开创性和指引性迪士尼彩乐园iii，才更伏击。

• 迪士尼彩乐园iii
• 国产
• 千里
• 史册
• Agent