智谱AutoGLM重磅升级，推动人与机器交互方式的范式转变
核心观点与关键数据：
- 智谱于2024年11月29日在OpenDay推出升级版AutoGLM，旨在挑战完成复杂任务，推动人机交互方式的范式转变。
- AutoGLM重要进展包括：手机端可自主执行超过50步的长步骤操作，跨app执行任务；Web端支持数十个网站的无人驾驶；桌面端GLM-PC启动内测，基于视觉多模态模型实现通用Agent技术探索。
- 智谱CEO张鹏表示，未来随着GLM团队继续加速agent模型产品研发，将很大程度上改变人机交互形式，用户一句话操作电脑和手机的范式转变指日可待。
手机端AutoGLM测评：
- 手机端AutoGLM升级重点在于，操作执行不再受限于简单任务场景，仅通过自然语言指令即可实现复杂任务的快速执行。
- 覆盖范围在常用生活场景迅速铺开，新增抖音、微博、饿了么等平台，并支持跨应用协同长任务，如“在小红书查查上海最好吃的西餐厅，帮我看看他家在大众点评有没有团购券”。
- 测评发现，AutoGLM在任务理解方面有待提升，执行复杂操作时偶尔出现较长的停顿时间，需要人工干预。但在简单任务场景下，如打车、导航等，AutoGLM能够迅速完成任务，表现出色。
- 具体测评案例包括社交媒体类（微信、小红书）、美食探店类（大众点评、饿了么）、好物选购类（淘宝、京东、拼多多）、日常出行类（12306、高德地图打车、高德地图导航）、旅游订票类（携程）、跨应用协同长任务（小红书查攻略-美团批量购买）。
- 测评总结：简单任务完成度高，未来提升空间大。任务理解与APP适配仍有较大提升空间，尤其在模糊语义理解、复杂操作处理、多步骤任务执行等方面。
AutoGLM-Web插件测评：
- AutoGLM-Web插件依托Agent智能体强大的任务规划和屏幕界面信息理解能力，使得操作执行不再局限于简单的任务场景和API调用，用户无需手动搭建复杂繁琐的workflow。
- 升级后，AutoGLM-Web分为通用模式和高级模式，支持通用对话、页面总结、页面对话、划线工具、智能写作、网页翻译等多种功能。
- 测评涵盖社交媒体类（知乎、微博、豆瓣、贴吧）、搜索引擎类（谷歌、百度、必应）、学术类（Arxiv、谷歌学术、百度学术）、代码托管类（GitHub）、资讯类（网易）。
- 测评发现，AutoGLM-Web在简单任务表现出色，但在任务理解与网站适配方面仍有较大提升空间，尤其在生成式任务、复杂页面操作等方面。
- 测评总结：简单任务表现出色，未来提升空间大。任务理解与网站适配仍有较大提升空间，需要进一步加强任务理解能力，完善网站适配工作，提升生成式任务能力。
测评总结与Agent展望：
- 智谱基座模型竞争力强，基准测试表现比肩第一梯队模型。GLM-4-Plus基座模型在多个任务场景中表现较好，比肩GPT-4o、Llama3.1等第一梯队模型。
- 在模糊语义理解方面，AutoGLM仍有一定的提升空间，例如在处理时间概念的“上午十点左右”或定性描述的“最新的款式”时，模型的理解和执行能力有待进一步加强。
- 面对众多App和网站的适配问题，未来可行的产业路径包括：开发模块化适配框架、利用自动化工具提高适配效率、建立开放平台与合作生态、提供用户自定义适配功能。
- 通过以上产业路径的探索和实践，AI Agent可以在App和网站适配方面取得更大的突破，更好地满足用户的需求，推动人机交互方式的创新和发展。
风险提示：
- 应用测试结果与本报告不一致的风险。
- 技术迭代不及预期的风险。
- 商业化落地不及预期的风险。
- 政策支持不及预期风险。
- 全球宏观经济风险。
