GLM-PC

GLM-PC 是什么

GLM-PC 是一个面向图形界面的开放智能体：给它一张屏幕图片和一句普通话指令，它返回能把这条指令执行下去的点击与按键。

它的重点是操作一个界面，而不是聊天，九十亿参数这一版是随一个商业桌面助手一起发布的。

关于来源的一句说明：产品页是浏览器里画出来的，取不出文字，所以这里的一切都依据项目仓库，而仓库对模型是权威的，对任何基于它建出来的产品则不是。

你可以用它做什么

你给它一张屏幕图片和一段用文字描述的任务，它回给你一个动作以及在屏幕上执行的位置，可能的动作集合明确写出了点击、输入与滚动。

你必须说明涉及哪个平台，而 Windows、macOS 与 Android 各有各的路径，所以同一条指令在不同的运行环境下处理方式不同。

图片是必需的，光给文字不行，也没有持续对话，不过可以把之前的步骤再交回去，好让更长的活接着干。它在界面定位与单步测试上的分数站得住，在多步骤桌面任务上比最强的对手模型略差一点。代码带开放许可，权重则适用另一份许可，商用前需要读。

适合谁使用

它被定位成给做界面智能体的研究者与开发者，以及想把桌面自动化架在视觉模型上的组织。

做自动化工具的团队与应用 AI 的团队也被点名，而且它明确说了这不是面向终端用户的产品。

期待拿到就能装就用的产品的人应该去看别处：这是一个模型加一个仓库，使用者是在它之上做东西的人。

需要留意什么

运行它的账号被允许做的事，它都能做。看屏幕意味着它自己没有沙箱，所以一个误读指令的模型能够删掉一个文件、发出一条消息或者完成一次购买，任何约束都得在它外面另建。

背后的人直说了他们无法承诺安全行为，并且说演示仅供学术参考、责任一概不认。这是一个坦率的表态，值得按字面去读，而不是当成套话扫过去。

在自己机器上运行要求不少：常规精度下要几十 GB 内存，而且官方不建议用压缩最狠的变体，因为结果会明显掉。压缩版还对硬件有特定要求，这把能自己托管它的人缩小了。

最新发布也不到 2024 年底，而且项目被定位成已完成的研究，而不是持续更新的东西。多步骤桌面任务正是它落后于最强对手模型的地方，而多步骤恰好就是自动化的构成方式。