声明:本文来自于微信公众号 量子位 | 公众号 QbitAI，作者:金磊，授权Soraor转载发布。
什么?!
用AIAgent搞的小红书账号，竟然14天狂吸5000粉，还开始赚钱了???
你没看错，这是真事。
据说啊，你只需要跟这个Agent说一个想讨论的话题，例如“怎么选咖啡”、“化妆品成分对比”等等，它就可以自己去小红书、知乎等平台上搜索上百个信源做总结。
而且是可以出一个完整报告的那种，可想而知账号是有多“高产”了。
那么这个Agent，到底是何方AI是也?
不卖关子，它就是智谱刚刚发布的新功能——沉思。
简单来说呢，就是它会基于一个开放式的问题，然后一边推理一边搜索超多的信源，最后生成相当完整的内容。
并且它背后的大模型，是智谱自研的推理模型GLM-Z1-Air，性能比肩DeepSeek-R1（但速度是8倍、价格仅1/30）。
所以之前在ChatGPT要花200美元（每月还限120次查询机会）才能搞的事情，智谱沉思功能直接把“壁”给打破了:
免费，无限次!
这还不算完，除了沉思之外，智谱在现场还发布了一个新功能——AutoGLM沉思。
如其名，一切的一切都可以进入“自动驾驶”模式，是全球首个集深度研究和操作执行于一体的Agent。
智谱刚刚就用它来了个Live Demo，现场自动接单写稿。
从演示中可以看到，AutoGLM沉思会让AI会自动打开网站，搜索有偿征稿信息，然后按照征稿要求写出对应的文章，并且自动发送到指定邮箱。
不得不说，现在的AI已经进化到了自己做事、自己赚钱的level了。
这时可能就会有小伙伴问题:沉思和AutoGLM沉思有啥区别呢?
来，一图见分晓:
而且啊，这俩新功能还不是期货，是已经上线的那种。
那么功能实操的效果到底如何呢?我们这就上手试一试。
正如我们刚才提到的，AutoGLM沉思和目前已有的各家Deep Research相比，最大的区别就是可以边深度思考，边自己动手操作。
因此，接下来我们就来考验一下它的动手能力。
例如行业分析这个比较“大而全”的任务，我们给这样的一段Prompt:
作为科技行业分析师，请完成以下任务:
调研2024年AI Agent领域三大趋势（需引用最新论文或权威报告）
对比这些趋势与2023年的核心差异
根据趋势分析，为初创公司制定一个6个月的AI Agent产品开发路线图 >
要求:数据需标注来源，路线图需包含具体时间节点和资源分配建议。
可以看到，我们在提交需求之后，鼠标就一直没有动过，全程浏览网页、搜集资料，都是由Agent自己完成。
而且仅仅是不到6分钟，它就完成了搜集资料且输出“6个月的AI Agent产品开发路线图”的任务。
我们可以把结果整理成如下的表格:
嗯，可以说是非常详尽了。
而且这个任务也很好地体现出了AutoGLM沉思在面对多级任务分解、实时数据检索与交叉验证、从分析到执行等能力。
这个例子可以说是对我们打工人、科研党有一定的帮助。
那么下沉到更普罗大众的生活，AutoGLM沉思是否能帮上什么忙呢?
接下来，请听题:
你现在是资深社交策划师，请完成:
扫描我的小红书/豆瓣动态，分析我的兴趣标签（如徒步、剧本杀、探店）
检索未来3天北京同城活动中匹配度≥80%的活动（优先筛选主办方信誉≥4星的活动）
对比各活动的性别比例/费用/交通便利性，生成TOP3推荐清单
自动用以下话术私信活动发起人: 『您好!我的用户@RayKim是科技领域爱好者（附用户历史作品链接），希望预留1个名额』
若24小时未收到回复，自动切换到备用活动推荐
这一次，同样是在6分钟以内，我们看到Agent直接是把社交活动推荐到了当下北京最火的中关村论坛。
由此可见，AutoGLM沉思在实时性这块是拿捏住了。
不仅如此，当最fashion的技术碰上玄学，也是有点意思在身上的。
例如下一个实测内容是这样的:
你现在是懂周易的营销专家，帮我策划:
分析目标用户画像（25岁女性/信星座/爱买水晶），生成12星座专属的「幸运咖啡」卖点
自动制作3种风格的宣传图（星盘/塔罗/八字）并添加文案: 『天蝎座本周喝美式会遇贵人!』
在以下时机自动发布小红书:每周一早晨7点（星座运势查阅高峰期）;每次水逆开始/结束当天
监控评论区，若出现『准吗?』类提问，自动回复: 『扫码测你的专属咖啡运势签→（链接）』
Agent自己提炼出了星座咖啡这个关键词，搞出了一套12星座专属咖啡卖点的策划设计方案。
除此之外，它还把“八字”的元素也融入了进来，结合咖啡元素，通过天干地支和五行生克关系展示星座咖啡的运势。
嗯，确实是有点意思。
从上面各种实测结果来看，深度思考+自主执行，或许还只是AutoGLM沉思功能的亮点之一。
因为从具体执行过程中，我们还发现它的操作方式真的非常拟人:
模拟人在面对复杂问题时的思考
能够像人一样感知这个世界
能够像人一样使用工具
除此之外，它还具备四大特性。
一是自主性，它能依靠自己积累的知识还有过往经验，不依赖别人，自己拿主意，然后把想法付诸实践。
二是适应性，它可以一边干事儿一边学，环境咋变它都能跟着变，慢慢让自己变得越来越强、本事越来越大。
三是交互性，就是能跟咱们人类打交道，你有需求了，它就给你提供信息，帮你办事儿。
四是功能性，在某个专门的领域里，它能干特定的活儿，完成特定的任务。
那么如此特性和亮点，智谱又是如何做到的呢?
先说推理模型GLM-Z1-Air。
这可以说是智谱利用扩展强化学习技术，精心训练出来的新一代推理模型。
当碰到又复杂、又开放的难题，它能自己琢磨、反复推敲，给Agent提供较强的推理、规划还有反思的本事。
它的效果跟DeepSeek-R1差不多，但速度快了8倍，价格却只有R1的三十分之一，而且在咱们日常用的消费级显卡上就能跑起来。
而推理模型Z1-Air，则是站在基座模型GLM-4-Air-0414的肩膀上发展起来的。
在前期预训练的时候，这个基座模型融入了大量推理类的数据，后续在对齐阶段，又专门针对智能体的能力进行优化，使得它在代码编写、工具调用等智能体任务方面表现得较为擅长。
在GLM-Z1-Air的基础上，智谱进一步通过强化学习训练出沉思模型GLM-Z1-Rumination，这让模型结合工具使用来完成长程推理的能力得到了提升。
据悉，前面我们提到的和Agent相关的各类模型、技术，智谱都打算在4月14日正式开源。预计在接下来的两周内，这些模型会陆续在Maas平台（bigmodel.cn）上线。
最后，我们还需要聊一聊一个问题:
AutoGLM沉思的推出，意味着什么?
或许最为直接的感受就是，AI时代的人机交互已经开始有变革的苗头了。
毫不夸张地说，AI已经不再是一个好用的工具，加入了可信的执行能力之后，它摇身一变成为了一个像人一样的智能助手。
而从智谱早期发布的战略脚步来看，现在通往AGI智谱探索到了下一站L3的阶段，开始探索“自主智能体”的下一个阶段。
相信随着技术的不断发展和迭代，AI时代的人机交互，就真的变成了“问一下”就可以的事情，剩下所有内容、工作，统统交给Agent来处理。
除此之外，从行业角度来看，AutoGLM沉思作为全球首个集深度研究和操作执行于一体的Agent，无疑给整个行业带来了新的竞争压力与活力。
不仅是AutoGLM沉思具备够智能的能力，更是在成本上做到了够低，使得Agent能够被大规模应用成为了一种可能，人人触手可及的AI Agent时代或许已经到来。
体验链接在下面奉上了，感兴趣的小伙伴可以去电脑客户端试试哦~
体验地址:https://chatglm.cn/