AutoGLM沉思的一些实际体感

大模型向量数据库云安全

昨天,智谱 AI 在中关村论坛上正式发布了其最新产品:AutoGLM 沉思

picture.image

这款产品被定位为 全球首个集深度研究能力和操作能力于一体的 AI Agent

标志着 AI 智能体正式进入"边想边干"的新阶段。

我简单的用图形的方式把重点捋一下,还有一些体验后的感受~

一些重点

picture.image

最核心的就是 边想边干 :不只会空想,能像人类一样 一边分析问题,一边动手操作 。比如查资料、翻网页、整理报告,还能附上所有引用来源,确保信息靠谱。

技术架构与演进

智谱最近的动作很少,所以基础的架构在我们看来没有太多的更新,还是基于 GLM

从 DeepSeek R1 推理模型大火之后,很多公司都在开始做推理模型了

智谱也不例外,“沉思”也是在推理模型的基础之上演变而来。

picture.image

对比

大家最喜欢比来比去

和 OpenAI 的 DeepResearch 相比

和前段时间爆火的 manus 比

picture.image

让大家熟知这种 Agent 形式的应该还是 manus, 能够自动安装一些 python 环境,在虚拟电脑上面操作网页、搜索

和 智谱这个很像,但从使用上面来说,国内用户更能直观的体验,体感更好,效果先不说。

使用

在网页版和 PC 客户端都可以使用,但是体感完全不一样,这里建议去客户端使用,能够直接感受。picture.image

地址:https://autoglm-research.zhipuai.cn/

一些体感

1、沉思是类似 manus 的 AI Agent 工具,符合大多数人的 Agent 设想, 给定一个目标,自动完成任务。

2、没有用上 manus 的用户,完全可以使用智谱的这个进行体验, 能够直观感受什么是 “大家都在吹爆的 Agent”, 推荐用 PC 客户端 ,能感受操作浏览器,在知乎,小红书,B 站等自动搜索的功能。

3、沉思的自我怀疑,这个符合 Agent 自我探索的设定,因为我们只给定了一个终点,走到终点的过程是未知的,AI 为了能够顺利的走到终点,达到我们的预期,会在这个过程中多次思考和判断自己的路径是否正确,达到某个置信度才会确认,所以有时候你会觉得他 思考过度,做了很多无用功

4、AutoGLM 沉思好像特别喜欢知乎这个网站,不知道为什么,而且每次对话搜索的网站很单一,逮着一个往死了 search,可能和问的问题有关?

5、 理解能力,工具识别能力较差 :比如我让它“搜索小红书,生成清明出游路线”,搜了很多无关的网站,也不直接在浏览器打开小红书搜索,在这个过程中,你有可能会被气死(`へ ´)

6、竟然知道怎么搜索公众号文章,我们都知道公众号文章外部是没办法检索的,但是在搜狗搜索上面有个专门的微信搜索的接口,这也是公众号唯一给外部开的接口了吧。在某次尝试中, 竟然知道从这里检索公众号文章 ,这个比较惊喜。

7、某些需要扫码登录的网站,会等待你手动操作,这个不错的, 涉及到权限的问题还是要慎重 ,毕竟 AI 是协作,人才是主力。

8、至于最后生成的内容可不可用,我打 60 分吧,看起来还行,实际看具体场景吧。

END

我是大林,持续关注 AI 发展,和大家一起交流。微信(dalinvip2023),备注【公众号 AIGC】,进 AIGC 交流群一起交流。

主页:https://www.dalinaip.com/about

picture.image

如果文章对你有一点点 🤏🏻 帮助, 关注公众号并【星标】 ,可以及时收到最新 AI 信息, 点赞、在看、转发给更多的朋友,后面我继续分享更多的 AI 内容。

往期推荐

看起来 Qwen3 马上来了

Sam Altman 喊话:冷静使用GPT-4o画图,团队没法睡觉了

两件大事。谷歌发布Gemini 2.5 Pro,打榜第一,OpenAI 发布GPT-4o 图像生成功能,功能强大

DeepSeek-V3-0324 就这么悄咪咪的更新了?

StarVector,从图像和文本生成SVG的开源模型,最大的只有8B, 可以自己部署

混元-T1: 强化学习驱动,业内首个超大规模混合Mamba推理模型正式发布

PLZ,别再误解大模型联网搜索了

DeepSeek这个大好人,官方公布的他们的系统提示词,让全网都能体验最佳效果

prompt 提示词工程免费的学习课程都在这了

从 0 到 1 的Prompt 教程,来自Claude 官方,不会写 prompt的看这个足够

15 种高级 RAG 技术,值得收藏!

0
0
0
0
关于作者
关于作者

文章

0

获赞

0

收藏

0

相关资源
大规模高性能计算集群优化实践
随着机器学习的发展,数据量和训练模型都有越来越大的趋势,这对基础设施有了更高的要求,包括硬件、网络架构等。本次分享主要介绍火山引擎支撑大规模高性能计算集群的架构和优化实践。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论