比 R1 快 8 倍、价格仅 3%，智谱新推理模型来袭，能让免费智能体自己赚钱！张鹏：Agent 也有 Scaling Law

深度学习与Python

发布于 2025-04-05 06:26:48

1510

文章被收录于专栏：深度学习与python深度学习与python

作者 | 华卫、褚杏娟

3 月获了两笔上亿巨额融资的智谱，现在来“交作业”了。

刚刚，智谱推出最新的 AutoGLM 沉思模型，不仅具备深度研究能力（Deep Research），还能实现实际操作（Operator）。并且，这个会“边想边干”的智能体还能自己接单赚到钱。

据介绍，14 天前，智谱针对 AutoGLM 沉思小范围开展了一项秘密测试。其注册了一个专注于做生活知识科普的小红书账号，用该智能体去不断生成笔记内容，比如选取咖啡壶、化妆品成分对比等，最终在两周时间里收获了 5000 个粉丝，还接到很多商单的邀请，并在昨天成功发出第一条商单，赚到 500 块钱。

在现场的 live demo 环节，AutoGLM 又通过一个“用你最擅长的方式，帮我赚 100 块钱”的 Prompt，展示了自己的“赚钱”能力。在回答过程中，该智能体对自己进行了多轮的“灵魂拷问”，并自主打开知乎 / 小红书输入要搜索的信息、自己选择好筛选条件，一页页浏览网页内容和图片，通过不断的思考、反思、纠错，最终确定了写作、调查问卷等擅长的方式。

目前，AutoGLM 沉思已在智谱清言 PC 客户端上线，用户可免费体验其研究能力和操作能力。沉思功能也已经正式上线智谱清言网页端、PC 端和手机 App，免费、不限量地开放。此次发布的为 preview 版本，核心支持 research 场景。

官网体验链接：https://autoglm-research.zhipuai.cn/?channel=331#get_started

智谱表示，未来两周，他们将进一步扩展更多智能体执行能力，包括推出“虚拟机”版本。此外，智谱还将于 4 月 14 日开源 AutoGLM 沉思核心链路的模型和技术。据智谱 CEO 张鹏称，AutoGLM 背后有一系列的模型能力，Agent 也同大模型一样存在类似的 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。”智谱表示，这是他们对 AI Agent 的核心理解，目前已经探索到 L3-Agentic LLM 阶段。

据介绍，与 OpenAI 的 Deep Research 不同，AutoGLM 沉思不仅能深入研究，还能真正执行任务，推动 AI Agent 从单纯的思考者，进化为能交付结果的智能执行者。它是首个集深度研究能力和网页操作能力于一体的 Agent。

智谱研究员刘潇表示，AutoGLM 沉思的能力实现依赖于三个关键特性：

深度思考：能够模拟人类在面对复杂问题时的推理与决策过程。其基于智谱的 Z1 推理模型强化学习训练，与 Deep Research 基于 o3 模型的训练过程相似，模型可以根据不同任务目标自主规划和动态决策，从而不断地根据反馈调整计划，而不需要提前设计的工作流。
感知世界：能够像人一样获取并理解环境信息。该模型具备 GUI 阅读能力，不仅依靠调用 API，还能像人类一样打开并浏览网页，找全想要的信息。
工具使用：能够像人一样调用和操作工具，完成复杂任务。其整合了智谱自研的 AutoGLM 设备操作能力，例如能在报告完成后根据结果进一步的发送邮件。

据悉，智谱很早便布局 AI Agent，并率先提出 Phone use（AutoGLM），几乎与 Anthropic 在同一时间发布了 Computer use。

张鹏表示，AutoGLM 也不是一蹴而就的，它的动脑、动手、能看见，背后是一系列的模型能力。AutoGLM 沉思的技术演进路径包括：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，智谱在 GLM-4-Air 基座模型的基础上，训练出推理模型 GLM-Z1-Air，基于 Z1 模型，结合工具使用和完成长程推理能力，训练出沉思模型，来作为 AutoGLM 沉思的大脑，最后集成了智谱自研的智能体技术 AutoGLM，成为 AutoGLM 沉思的“手脚”。

张鹏介绍，之所以叫 AutoGLM 沉思，就是因为在 AutoGLM 沉思背后的模型，是其全新推出的 Agent 大脑——沉思模型，即通过强化学习，让模型学会自我批评、反思、甚至沉思，并通过更长的深度思考时间换取更优的效果。沉思突破了实时联网搜索、动态工具调用、深度分析和自我验证，实现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

在发布 AutoGLM 沉思的同时，智谱发布并开源了其最新的推理模型 GLM-Z1-Air（32B）。

据介绍，GLM-Z1-Air（32B）拥有比肩 DeepSeek R1 的推理性能，在推理速度上，极速版 GLM-Z1-Air 最高生成速度可达每秒 200Tokens ，是 R1 的 8 倍，而价格仅需 R1 的 1/30。“不要每个月 200 美元”张鹏调侃道。

此外，GLM-Z1-Air 可在消费级显卡上运行，更进一步解放开发者在硬件方面的限制。

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 GLM-4-Air 的预训练阶段，加入了更多的代码类、推理类数据，并在对齐阶段，针对 Agent 能力进行了对齐，使其更擅长工具调用、联网搜索等 Agent 任务。

据称，GLM-4-Air-0414 以 32B 参数量比肩更大参数量的国内外主流模型，且在适配智能体任务方面特别有效。这是因为智能体任务往往涉及多轮复杂交互，32B 的参数量使得 GLM-4-Air-0414 能快速执行复杂任务。

此外，智谱也在 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，在保留大部分效果的情况下更轻量级、更高速，完全免费调用，以适用于更广泛的应用场景。

基于 GLM-Z1，智谱通过扩展强化学习训练，提升了模型结合工具使用完成长程推理能力，训练出沉思模型 GLM-Z1-Rumination。据智谱介绍，该模型突破了传统 AI 单纯依赖内部知识推理的局限，创新性地结合实时联网搜索、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 能够主动理解用户需求，在复杂任务中不断优化推理、反复验证与修正假设，使研究成果更具可靠性与实用性。智谱表示，相比于传统的推理模型，沉思模型可引领 AI 助手进入一个“高智商”到“高智商 + 高自主”的阶段，自主完成更复杂、更深入的研究任务。

“Agent 界也有 Scaling Law”

AutoGLM 是智谱去年 10 月在 CNCC 上发布，作为全球首个能够在手机上执行长达 50 多步 action 的大模型智能体。AutoGLM 的出现也意味着大模型首次跳出了 Chatbot 的框架，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 能力也随之演进。

“大家都知道，大模型的预训练和后训练存在 Scaling Law。然而，不只是大模型推理满足这一规律，我们发现 Agent 也存在类似的 Scaling Law。”张鹏说道，“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。”

张鹏表示，这一 Agent Scaling Law 的背后，是智谱的自进化在线课程强化学习算法框架，WebRL。智谱通过设计由易到难的任务序列，逐步引导模型从简单场景向复杂场景过渡学习，从而提升训练效率和最终性能。这种方法模拟人类学习过程，通过动态调整任务难度，帮助模型积累基础能力后再挑战高难度任务，有效避免直接处理复杂问题时的训练不稳定现象。

在 Agent Scaling Law 的基础上，智谱进一步发现了 Agent 存在的能力涌现。比如，团队在训练过程中从未教给 AutoGLM 沉思访问过巨潮资讯网，然而当发送指令“帮我收集昨天关于具身智能的相关研报”时， AutoGLM 沉思能够规划出通过访问巨潮资讯解决问题的方案，并顺利操作了网站。

“AutoGLM 的动手能力目前在行业内处于 Sota，包括浏览器、手机和电脑在内的使用工具能力，全面领先。张鹏说道。

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 个测试环境中也取得了 SOTA 的成绩。其中，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 也全面超越 OpenAI GPT-4o 和 Anthropic Claude-3.5-Sonnet，展现了在网页交互场景中的领先能力。