智谱新推理模型AutoGLM沉思：性能卓越、价格亲民，开启智能体自赚钱时代！
就在刚刚，3月接连拿下两笔上亿巨额融资的智谱，终于亮出了新答卷——AutoGLM沉思模型。这个新模型不仅能开展深度研究，还能实际动手执行任务，而且它已经自主接单赚到了钱。
核心看点有哪些？简单来说：
- AutoGLM沉思模型：深度研究与实际操作能力融为一体
- 实战测试：小红书账号两周吸粉5000，成功接到商业订单
- 未来展望：智谱将扩展更多智能体执行能力，并开源核心模型技术
运作原理其实很直接：14天前，智谱就悄悄开始了小范围测试。他们注册了一个专注于生活知识科普的小红书账号，让智能体自主生成笔记内容——比如咖啡壶怎么挑选、化妆品成分如何对比，结果两周就收获了5000个粉丝，商单邀请接连不断，昨天终于发出了第一条商业合作，赚了500块钱。
现场还上演了一出“赚钱实操”。一上来就给AutoGLM下了个指令：“用你最擅长的方式，帮我赚100块钱”。猜猜怎么着？它自己给自己来了好几轮“灵魂拷问”，主动打开知乎、小红书搜索信息，自行筛选条件，一页页翻网页和图片，边思考边反思边纠错，最后确定了写作、做调查问卷这些自己擅长的路径。
目前，AutoGLM沉思已经上线智谱清言PC客户端，研究能力和操作能力均可免费体验。沉思功能也在智谱清言网页端、PC端和手机App正式上线，免费、不限量开放。这次发布的是preview版本，核心支持research场景。
未来两周，智谱计划进一步扩展智能体执行能力，包括推出“虚拟机”版本。更值得关注的是，他们将在4月14日开源AutoGLM沉思核心链路的模型和技术。据智谱CEO张鹏介绍，AutoGLM背后有一整套模型能力在支撑，Agent和当初的大模型一样，也存在类似的Scaling Law。
AutoGLM沉思背后的核心模型
“让机器不仅能够思考，还能主动行动。”这是智谱对AI Agent的核心理解。目前他们已经探索到L3-Agentic LLM阶段。
与OpenAI的Deep Research不同，AutoGLM沉思不仅具备深度研究能力，还能真正执行任务——从单纯的思考者蜕变为能交付结果的智能执行者，这也是首个集深度研究能力和网页操作能力于一身的Agent。
智谱研究员刘潇指出了三个关键特性：
- 深度思考：模拟人类面对复杂问题时的推理与决策。基于智谱Z1推理模型强化学习训练，与Deep Research基于o3模型的训练过程类似，模型能根据任务目标自主规划、动态决策，不断根据反馈调整计划，无需提前设计工作流。
- 感知世界：像人一样获取并理解环境信息。它具备GUI阅读能力，不依赖调用API，而是打开网页、浏览内容，把想要的信息找全。
- 工具使用：能像人一样调用和操作工具完成复杂任务。整合了智谱自研的AutoGLM设备操作能力，比如报告完成后，可以再根据结果直接发送邮件。
事实上，智谱在AI Agent上布局很早，率先提出Phone use（AutoGLM），几乎和Anthropic同时发布了Computer use。
张鹏坦言，AutoGLM不是一蹴而就的。它之所以会动脑、会动手、能看见，背后有完整的模型能力链：GLM-4基座模型 → GLM-Z1推理模型 → GLM-Z1-Rumination沉思模型 → AutoGLM模型。
具体来说，他们在GLM-4-Air基座模型的基础上训练出推理模型GLM-Z1-Air，再结合工具使用和长程推理能力训练出沉思模型，作为AutoGLM沉思的大脑，最后集成自研的智能体技术AutoGLM，成为它的“手脚”。
为什么叫“沉思”？因为背后的模型是一个全新的Agent大脑——沉思模型。通过强化学习，让模型学会自我批评、反思，甚至沉思，用更长的深度思考时间换取更优的效果。它突破了实时联网搜索、动态工具调用、深度分析和自我验证的极限，实现了真正的长程推理和任务执行。
全新推理模型：R1的8倍速度、1/30价格
发布AutoGLM沉思的同时，智谱还发布并开源了最新的推理模型GLM-Z1-Air（32B）。
它的推理性能比肩DeepSeek R1，但速度上——极速版GLM-Z1-Air最高生成速度可达每秒200Tokens，是R1的8倍，价格却只要R1的1/30。“不要每个月200美元”，张鹏调侃道。
而且，GLM-Z1-Air可以在消费级显卡上运行，开发者在硬件上几乎没什么限制。
基于GLM-Z1-Air的基座模型，智谱重新训练了一个320亿参数的基模GLM-4-Air。在预训练阶段增加了更多代码类、推理类数据，并在对齐阶段针对Agent能力进行了专门优化，让它更擅长工具调用、联网搜索这类Agent任务。
据说，GLM-4-Air-0414以32B的参数量，表现比肩更大参数量的国内外主流模型，在智能体任务上尤其出色——因为这类任务往往涉及多轮复杂交互，32B的参数量让它可以快速执行复杂任务。
此外，智谱还在MaaS平台上将免费模型GLM-4-Flash的基座版本更新至GLM-4-Flash-0414，并推出了对应的推理版本GLM-Z1-Flash——更轻量、更高速、完全免费，适用于更广泛的应用场景。
基于GLM-Z1的强化学习训练，提升了模型结合工具使用完成长程推理的能力，由此训练出沉思模型GLM-Z1-Rumination。它突破了传统AI单纯依赖内部知识推理的局限，结合实时联网搜索、动态工具调用、深度分析和自我验证，形成完整的自主研究流程：
- 实时搜索：主动获取最新信息，突破信息孤岛。
- 深度分析：进行多角度逻辑推理，避免单一思维路径。
- 动态验证：不断修正假设，提高研究的准确性与逻辑性。
GLM-Z1-Rumination能主动理解用户需求，在复杂任务中不断优化推理、反复验证与修正假设，让研究结果更可靠、更实用。相比于传统推理模型，沉思模型可以引领AI助手从“高智商”进入“高智商+高自主”的阶段，独立完成更复杂、更深入的研究任务。
“Agent界也有Scaling Law”
去年10月，智谱在CNCC上发布了AutoGLM——全球首个能在手机上执行长达50多步action的大模型智能体。它的出现意味着大模型首次跳出Chatbot框架，初步具备了与现实世界互动的能力。
最新发布的AutoGLM沉思版，其背后的AutoGLM能力也随之升级。
“大家都知道，大模型的预训练和后训练存在Scaling Law。但不仅大模型推理符合这一规律，我们发现Agent也有类似的Scaling Law。”张鹏说，“通过扩展训练时的inference compute，我们观察到Agent展现出了更强的性能。”
支撑这一发现的，是智谱自研的自进化在线课程强化学习算法框架——WebRL。他们设计了从易到难的任务序列，让模型像人一样，从简单场景慢慢过渡到复杂场景，动态调整任务难度，帮助模型先积累基础能力再挑战高难度任务，有效避免了直接处理复杂问题时的训练不稳定性。
在这一基础上，智谱甚至发现了Agent能力涌现的现象。比如，训练时从未教过AutoGLM沉思访问巨潮资讯网，但收到“帮我收集昨天关于具身智能的相关研报”指令时，它能自己规划出访问巨潮资讯的路径，并顺利操作网站。
“AutoGLM的动手能力目前在行业内处于SOTA，包括浏览器、手机和电脑在内的工具使用能力全面领先。”张鹏信心十足。
在斯坦福大模型中心《AI指数2024》选定的智能体基准评测AgentBench上，AutoGLM系列模型在5个测试环境中都取得了SOTA成绩。在Phone Use基准（AndroidLab & AndroidWorld）中，AutoGLM-Phone的任务成功率较此前最佳成绩提升超过20%；在Browser Use基准上，AutoGLM-Web全面超越OpenAI GPT-4o和Anthropic Claude-3.5-Sonnet，在网页交互场景中展现了绝对优势。
在GUI智能体领域，智谱自研模型GLM-PC（CogAgent）在多个权威评测榜单上同样拿下SOTA。凭借仅9B的参数，CogAgent超越了GPT-4o + UGround、Claude Computer Use等更大规模的同类模型或商用API。
上述模型将于4月14日开源，并将在未来两周内陆续上线MaaS平台（bigmodel.cn）。
结束语
张鹏表示，智谱始终专注于AGI基座模型的研发，目前已经探索到L3-Agentic LLM阶段，他们将GLM一系列Agent能力统称为Agentic GLM。未来很长一段时间内，智谱会把重心放在Agentic GLM的研发上。
基座模型方面，智谱将依托自主大模型技术，极致、专注地探索智能水平的上限，同时推动从基座模型到Agent基座模型、到Agent统一协议与平台、再到Agent应用与生态的全方位建设。
“2025年将会是Agent应用的元年，智谱也将深度参与这一场浪潮。”张鹏说。