1 月 23 日消息，北京智譜華章科技有限公司今日發文宣布，旗下智譜 GLM-PC 開放體驗，宣城“自主操作電腦的多模態 Agent 再升級”。
據介紹，GLM-PC 是基于智譜多模態大模型 CogAgent，全球首個面向公眾、回車即用的電腦智能體（agent）。它能像人類一樣「觀察」和「操作」計算機，協助用戶完成各類電腦任務。GLM-PC v1.0 于 2024 年 11 月 29 日發布并開放內測，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：
代碼生成與邏輯執行
規劃：支持綜合分析目標以及可用資源，生成執行路線圖，并將大型任務自動分解為可管理的子任務，以構建出清晰的執行路徑。
循環執行：規劃階段結束后，支持啟動代碼生成模塊，執行邏輯循環，逐步推進任務完成。該循環機制確保了任務的精確執行與高度自動化，從而實現從輸入到輸出的完整閉環，無需人工干預
長思考能力：支持實時調整、反思修正和自我糾錯，持續優化解決方案。具體表現為：流程因外部因素中斷時，可重構邏輯路徑；遇到信息缺失時，可主動與用戶進行交互，通過提問來完善任務執行方案
圖像與 GUI 認知
GUI 圖像理解：準確識別圖形界面元素（如按鈕、圖標、布局等），并理解其功能與交互邏輯
用戶行為認知：結合對用戶界面的學習及歷史操作信息的理解，為用戶提供當前界面的智能推薦操作
圖像語義解析：對復雜圖像進行深入語義分析，提取關鍵信息如文字、標識符及數據可視化圖表中的趨勢和指標
多模態信息融合：融合圖像與文字信息，形成全面感知結果。例如，在用戶界面中同時識別按鈕位置與文字標簽，助力「左腦」制定精準操作計劃