智谱 BigModel重要新发布2024-12-30
智谱开源GLM-PC基座模型CogAgent-9B
开源Computer UseAgent Runtime
EVENT SUMMARY
事件摘要
智谱开源GLM-PC的基座模型CogAgent-9B-20241220。该模型基于GLM-4V-9B训练，仅需屏幕截图作为输入即可完成Agent任务，无需HTML等文本信息。这降低了GUI Agent开发门槛，推动Agent生态向视觉交互范式演进。
ANALYST VIEW
中立分析
为什么重要
开源屏幕截图驱动的Agent基座模型，降低了GUI Agent开发门槛，推动Agent生态从文本界面走向视觉交互范式。
影响对象
开发者和研究人员可基于CogAgent-9B构建仅依赖屏幕截图的桌面Agent应用，无需解析HTML/DOM。
证据说明
来源直接说明了模型名称、参数规模、基座模型来源和输入方式，证据充分。
不确定性
模型在复杂多步骤任务中的准确率和局限性未披露；开源许可证类型未明确。
SOURCES