智谱重磅三箭齐发：从看懂世界到操作手机，千亿模型上云、手机智能体入袋、语音输入重构

文章摘要

【关 键 词】 AI模型、多模态、开源、工具调用、语音识别

AutoGLM是首个具备真机操作能力的AI智能体，实现了让AI像人一样操作手机完成任务的愿景。经过32个月的探索，团队构建了Phone Use能力框架，模型学会了将自然语言拆解为稳定的操作步骤，并能应对网络波动、弹窗广告等真实世界的干扰。AutoGLM 2.0引入了移动端强化学习等算法，在数千个虚拟设备中进行训练，确保了操作的安全性和可审计性。智谱选择将其开源，希望手机操作能力成为行业的公共底座，开发者可以基于此构建自己的系统，同时保持数据和隐私的控制权。

GLM-ASR系列语音识别模型实现了低延迟与高隐私保护的平衡。基于该模型能力，智谱AI输入法上线桌面端，不仅实现语音转文字，还能在输入框内直接调用模型进行翻译、扩写、润色等操作。输入法支持千人千面的人设切换，并针对开发者提供了实用的语感编程功能，通过语音快速输入代码逻辑或编写脚本。此外，优化了耳语捕捉能力，轻声说话也能精准识别，避免了公共场所语音输入的尴尬。云端模型已开放调用，端侧模型权重及推理代码已在社区开源。

原文和模型

【原文链接】 阅读原文 [ 2477字 | 10分钟 ]
【原文作者】 AIGC开放社区
【摘要模型】 deepseek/deepseek-v3-0324
【摘要评分】 ★☆☆☆☆

派欧算力云 – AI 云端一体化解决方案: 模型 API、Serverless、GPU 租赁

派欧算力云提供全面的 AI 云端平台解决方案,包括模型 API、Serverless 和高性能 GPU 实例等,帮助您节省高达 50% 的成本,并同时加速 AI 产品的构建和业务发展,助力企业实现创新突破,赢得市场竞争优势。