1 月 23 日，智谱宣布自主操作电脑的多模态 Agent — GLM-PC 开放体验。

据了解，GLM-PC 是基于智谱多模态大模型 CogAgent，全球首个面向公众、回车即用的电脑智能体（agent）。它能像人类一样「观察」和「操作」计算机，协助用户高效完成各类电脑任务。

本次 GLM-PC 升级推出「深度思考」模式，并增加了专用来做逻辑推理和代码生成的功能。新版 GLM-PC 将借鉴人类「左脑」与「右脑」分工，通过代码生成与图形界面理解，实现逻辑推理与感知认知的深度结合。

据悉，GLM-PC 的「左脑」部分负责代码生成与逻辑执行，具有规划、循环执行、长思考能力（动态反思、纠错与优化）等功能；而「右脑」部分负责图像与 GUI 认知，专注于深度感知与交互体验，支持 GUI 图像理解、用户行为认知、图像语义解析等功能。

「左右脑」还支持协作，使 GLM-PC 不仅能够处理复杂逻辑任务，还能在开放性问题上展现更高的适应能力、创造力和泛化能力。更能通过动态优化和情境感知，帮助用户探索更高效的解决方案，特别是在循环任务处理、多步推理执行以及长链条任务管理等方面。

目前，新版 GLM-PC 已上线其官网并支持下载体验，本次更新智谱还提供了对 Windows 系统的支持。此外，为促进预训练 GUI Agent 的研究，智谱于 2024 年 12 月开源了全面提升后的模型 CogAgent-9B-20241220。

CogAgent-9B-20241220：

• 论文：Hong et al. "Cogagent: A visual language model for gui agents." （CVPR 2024 Highlight 🏆）

• 博客：https://cogagent.aminer.cn/blog#/articles/cogagent-9b-20241220-technical-report

• Huggingface：https://huggingface.co/THUDM/cogagent-9b-20241220

• GitHub：https://github.com/THUDM/CogAgent

下载&体验：https://cogagent.aminer.cn

(文/开源中国)