AutoGLM 2.0 是一款由智谱 AI 发布的革命性产品，用户只需通过语音指令，即可代替双手操控全网，实现多种复杂操作。
一、主要功能
1.强大的自然语言理解能力
AutoGLM 2.0 能够准确理解用户的语音指令，无论是简单的操作还是复杂的任务，都能精准识别并执行。
2.跨平台操作支持
该工具支持多个主流应用平台，如外卖、旅游预订、社交媒体等，用户无需切换应用，只需发出语音指令，便可完成任务。
3.开放 API 自动化操作流程接口与设备连接
AutoGLM 2.0 提供开放 API 接口，可与各种智能设备和系统连接，从智能家居到办公设备，都能通过语音控制进行管理。
4.提升工作和生活效率
借助语音指令代替手动操作，用户能够将更多时间投入到创造性工作和重要决策上，减少繁琐的日常任务，提高生产力和生活质量。
5.云端独立运行
AutoGLM 2.0 配备专属云端虚拟设备，所有任务执行都在云端独立进行，不占用用户本地设备的计算资源或存储空间。
6.开放 API 生态
智谱 AI 宣布开放 AutoGLM 2.0 的 API 接口，其强大能力可扩展到更广阔的应用场景中，为整个智能设备生态注入新活力。
7.跨平台工作流
在办公场景中，AutoGLM 2.0 能熟练操作各类办公和内容平台，提供全方位的智能办公支持，其跨网站完整工作流执行能力，可打破传统办公软件之间的壁垒。
二、技术原理
1.解耦的 Agent 大脑
AutoGLM 2.0 采用“中间界面”设计，将复杂的任务分解为“任务规划”和“动作执行”两个独立阶段。第一阶段由 GLM-4.5V 模型进行高层级思考，生成自然语言的子任务或指令；第二阶段由专门的执行模块根据这些指令精确模拟屏幕操作。
2.自进化在线课程强化学习框架（WebRL）
针对传统强化学习采样效率低、训练数据稀缺的问题，AutoGLM 引入动态课程学习机制，通过 KL 散度控制策略更新和置信度经验回放，模型能够动态调整任务难度，逐步从单步操作过渡到复杂任务。
3.多模态大模型（LMM）的深度应用
基于 GLM 系列模型，结合视觉感知与语言理解能力，实现对 GUI 元素的模糊匹配与长程推理，相比传统 OCR 技术，其泛化能力显著提升。
4.奖励建模与失败恢复机制
为解决开放世界任务的监督难题，团队提出结果监督（ORM）与过程监督（PRM）相结合的奖励模型，通过这种双重监督，模型能够在执行任务过程中不断学习和改进。