智譜宣布開源其核心 AI Agent 模型 AutoGLM。該模型被業(yè)界視為全球首個具備“Phone Use”（手機操作）能力的 AI Agent，能夠穩(wěn)定完成外賣點單、機票預(yù)訂等長達數(shù)十步的復(fù)雜操作流程。

以下內(nèi)容轉(zhuǎn)自：

我們想做的

到底是一件什么事

過去的很長時間，我們一直在回答同一個問題：

如果 AI 真的是“助手”，它能不能像人一樣，自己把手機拿起來，把一件事從頭做到尾？

在我們的想象里，AI 不該只停留在聊天框里，而是可以走進用戶每天真正要點的那些 App 里：

• 幫你在外賣 App 里完成從選擇到下單；
• 幫你在云手機里，批量處理通知、點贊評論；
• 幫你在銷售、客服、出勤等場景里，自動做完一堆“你自己也不想點的重復(fù)動作”。

AutoGLM 想做的，就是這件事：讓 AI 真正學(xué)會“使用手機”。

32個月

我們具體做到了什么？

用一句簡單的話來說：

我們希望 AutoGLM，不僅能“說”，還能“做”。

為了這一句話，我們從 2023 年 4 月——一個大多數(shù)人還不知道大模型是什么的時候，完全從零去探索每一個細節(jié)，到今天，已經(jīng) 32 個月了。

1.“亂點” -> “可控”

在最開始的版本里，基于大模型所構(gòu)建的系統(tǒng)只知道“點”、“滑”等操作，偶爾能完成一個很短的流程，更多時候會迷失在不知所謂的操作中，甚至陷入死循環(huán)。

為了解決這類問題，我們花了近一年的時間，去梳理每一個可能的問題，嘗試把這些“亂點的手”變成一只“可控的手”：

• 建了一整套 Phone Use 能力框架；
• 把點擊、滑動、輸入、截圖、界面理解這些最基礎(chǔ)的動作抽象出來；
• 讓模型學(xué)會把一句自然語言拆解為一系列穩(wěn)定、可回放的操作步驟；
• 處理掉各種真實世界的“臟信息”：網(wǎng)絡(luò)波動、彈窗打斷、廣告遮擋……

2024 年 10 月 25 日，我們發(fā)布了第一個能夠在真機上穩(wěn)定完成一條完整操作鏈路的 AutoGLM，

它被業(yè)內(nèi)視為全球首個具備 Phone Use 能力的 AI Agent。

2.第一個由 AI 發(fā)出的紅包

2024 年 11 月，AutoGLM 發(fā)出了人類歷史上第一個由 AI 完成的手機紅包：不是腳本錄制，不是內(nèi)嵌 API 調(diào)用，而是通過在屏幕上“看見”界面、“理解”含義，一步一步完成點擊。

對我們來說，這是一個信號：

從此以后，手機上的很多交互，第一次可以完全由 AI 接手。

3.走向云手機：把能力放到一個更安全的空間

2025 年，我們發(fā)布了 AutoGLM 2.0，驗證了強化學(xué)習(xí)的規(guī)模擴展定律，提出了 MobileRL、ComputerRL 和 AgentRL 算法，讓 AutoGLM 在上千個虛擬設(shè)備環(huán)境里同時強化學(xué)習(xí)，極大擴展了 Agent 的準確性和泛化能力。

更關(guān)鍵的是，我們不希望 Agent 直接在用戶真實手機、真實微信上肆意操作，于是選擇把它放進一臺和用戶真實世界脫離的虛擬手機里：

• 這臺手機跑在云端；
• 每一個動作都可以回放、審計、干預(yù)；
• 真正敏感的數(shù)據(jù)可以嚴格隔離。

這套設(shè)計背后的直覺很簡單：

讓 AI 會用手機之前，我們要先保證，它不會在不該點的地方胡亂伸手。

除了云手機的選擇，我們主動放棄了操作微信等這些離用戶隱私較近的 APP。

為什么要開源？

我們真正在意的是什么？

從產(chǎn)品的角度，AutoGLM 已經(jīng)可以支撐起很多真實場景；從工程的角度，AutoGLM的積累足夠?qū)懗梢淮筠夹g(shù)報告。

那為什么，在這個時間點，我們選擇把它開源？

我們想清楚的，大概有三件事。

1.這件事只在一家公司做，是不夠的

AI 手機已經(jīng)是趨勢，但如果“會用手機的 AI 能力”只掌握在極少數(shù)廠商手里，那意味著：

• 開發(fā)者的創(chuàng)新空間，要看平臺愿不愿意開放接口；
• 用戶日常生活中最重要的那臺設(shè)備，越來越像“別人家的入口”。

AutoGLM 開源的第一層初衷，是把這一層能力變成整個行業(yè)可以共同擁有、共同打磨的公共底座。

你可以把它當(dāng)成一塊積木，放進你自己的系統(tǒng)里，也可以把它拆開、重寫、改造，那一刻起，它就不再只是“智譜的 AutoGLM”，而是你和你的團隊做出來的東西的一部分。

2.讓隱私和控制權(quán)，真正留在使用方這一側(cè)

我們也很清楚，Phone Use 能力，一旦做大，天然會碰到最敏感的那一部分世界：個人微信、支付、聊天記錄、照片相冊、企業(yè)內(nèi)部系統(tǒng)。

我們不希望也不應(yīng)該，把這些東西握在自己手里。

通過開源和私有化部署，企業(yè)和開發(fā)者可以在自己的合規(guī)環(huán)境中完整掌控數(shù)據(jù)、日志和權(quán)限。

可以讓手機，成為專屬自己的 AI 手機。

用一句話概括就是：

技術(shù)向整個生態(tài)開放，

數(shù)據(jù)與隱私，永遠留在使用方這一側(cè)。

3.把我們走過的路，變成大家在Agent爆發(fā)時代的起跑線

AutoGLM是一條很陡的路：我們啃過的技術(shù)難題、踩過的坑、重寫過的框架，

在很多場景里都可以復(fù)用，也值得被復(fù)用。

但這還不夠，“一花獨放不是春”。Agent 的爆發(fā)，需要所有人一起參與。

我們更樂見的是：

• 有團隊基于 AutoGLM，做出真正意義上的 AI 原生手機；
• 有研究者把其中的某個模塊拆出來，變成一篇論文、一套新算法；
• 有個人開發(fā)者把一個 Demo 改成自己的項目，在某個小眾場景里真正跑起來。

我們希望開源社區(qū)：

從今天開始，人人都可以擁有自己的手機 Agent。

你現(xiàn)在能拿到什么

我們開源的，是一整套可以「拿來就用」的能力，而不僅僅是一份概念說明。

具體包括：

• 訓(xùn)練好的核心模型；
• Phone Use 能力框架與工具鏈；
• 可直接跑通的 Demo，覆蓋 50+ 高頻中文 App；
• 針對 Android 的適配層與示例工程；
• 文檔、快速上手指南。

模型會以 MIT 開源許可證的形式開放，而所有代碼會以 Apache-2.0 開源許可證的形式，托管在 GitHub 倉庫（示例：github.com/zai-org/Open-AutoGLM）中。

你可以把它當(dāng)成一套現(xiàn)成的基礎(chǔ)設(shè)施，也可以單獨拆用其中的某一部分，甚至可以把它改得面目全非——只要它幫助你更接近你心目中的「AI 原生手機」。

接下來

現(xiàn)在的 AutoGLM 不是一個完美的答案。真實世界的手機和應(yīng)用，它還遠遠沒有全部見過。未來的 AI 手機生態(tài)，也一定會有比我們今天想象得更驚喜的形態(tài)。

我們做的，只是把對“AI 會不會用手機”這個問題的一次完整回答，誠實地、原原本本地，交到你們手里。

在 2025 年尾的這個時刻，正如 Andrej Karpathy 所說，

從今天開始，人人都可以擁有自己的手機 Agent。我們面對的大概不只是“Agent 元年”，而更可能是“Agent 的十年”。

接下來，AutoGLM 團隊會繼續(xù)努力，讓我們一起推動 Agent 開源和研究，那個夢想中的“賈維斯”，才會真的在我們?nèi)巳松磉叧霈F(xiàn)。