1 月 23 日消息，北京智譜華章科技有限公司今日發(fā)文宣布，旗下智譜 GLM-PC 開放體驗(yàn)，宣城“自主操作電腦的多模態(tài) Agent 再升級”。

據(jù)介紹，GLM-PC 是基于智譜多模態(tài)大模型 CogAgent，全球首個(gè)面向公眾、回車即用的電腦智能體（agent）。它能像人類一樣「觀察」和「操作」計(jì)算機(jī)，協(xié)助用戶完成各類電腦任務(wù)。GLM-PC v1.0 于 2024 年 11 月 29 日發(fā)布并開放內(nèi)測，目前最新推出「深度思考」模式、增加專用于做邏輯推理和代碼生成的功能、并提供了對 Windows 系統(tǒng)的支持。

IT之家從智譜官方獲悉，GLM-PC 具備如下能力：

代碼生成與邏輯執(zhí)行
規(guī)劃：支持綜合分析目標(biāo)以及可用資源，生成執(zhí)行路線圖，并將大型任務(wù)自動分解為可管理的子任務(wù)，以構(gòu)建出清晰的執(zhí)行路徑。

循環(huán)執(zhí)行：規(guī)劃階段結(jié)束后，支持啟動代碼生成模塊，執(zhí)行邏輯循環(huán)，逐步推進(jìn)任務(wù)完成。該循環(huán)機(jī)制確保了任務(wù)的精確執(zhí)行與高度自動化，從而實(shí)現(xiàn)從輸入到輸出的完整閉環(huán)，無需人工干預(yù)

長思考能力：支持實(shí)時(shí)調(diào)整、反思修正和自我糾錯(cuò)，持續(xù)優(yōu)化解決方案。具體表現(xiàn)為：流程因外部因素中斷時(shí)，可重構(gòu)邏輯路徑；遇到信息缺失時(shí)，可主動與用戶進(jìn)行交互，通過提問來完善任務(wù)執(zhí)行方案

圖像與 GUI 認(rèn)知
GUI 圖像理解：準(zhǔn)確識別圖形界面元素（如按鈕、圖標(biāo)、布局等），并理解其功能與交互邏輯

用戶行為認(rèn)知：結(jié)合對用戶界面的學(xué)習(xí)及歷史操作信息的理解，為用戶提供當(dāng)前界面的智能推薦操作

圖像語義解析：對復(fù)雜圖像進(jìn)行深入語義分析，提取關(guān)鍵信息如文字、標(biāo)識符及數(shù)據(jù)可視化圖表中的趨勢和指標(biāo)

多模態(tài)信息融合：融合圖像與文字信息，形成全面感知結(jié)果。例如，在用戶界面中同時(shí)識別按鈕位置與文字標(biāo)簽，助力「左腦」制定精準(zhǔn)操作計(jì)劃