原标题：智谱推出 AutoGLM 2.0：给每个手机都装上通用 Agent 来源：投资界综合

去年10月份，智谱发布了全球首 个phone use产品 AutoGLM，开启了Agent应用的新时代。今天，智谱再次升级，发布 AutoGLM 2.0。

AutoGLM 2.0 再次将 Agent 提升到新的高度——

•                      这是全球首 个手机 Agent

•                      国民级 Agent，真正面向普罗大众、人人可用

•                      开创 Agent + 云手机的新技术范式，不用抢占用户手机和电脑

•                      突破硬件限制，能在任何设备、任何场景下运行，帮助用户Agent代理操作

•                      由纯国产模型驱动（GLM-4.5、GLM-4.5V），具备推理、代码与多模态的全能能力

一、执行型助手

过去的 AI 多停留在“对话”层面，只能回答问题；一般的 Agent 助手也多局限于信息查询和总结。AutoGLM 2.0 则实现了质的飞跃——它不再只是“说”，而是真正能够“做”。

事实上，在 AutoGLM 1.0 中，智谱已探索过让 AI 代替用户完成部分手机操作，但只在有限场景下生效。如今，随着 AutoGLM 2.0 的发布，它已经成长为一名 执行型助手，能够在「云端」自主完成多样化的任务。

在生活场景中，用户只需一句话，就能让 AutoGLM 操作抖音、小红书、美团、京东等 40+ 高频应用：点外卖、订机票、查房源、预约健康服务，例如帮你买「秋天的第 一杯奶茶」。

在办公场景中，它同样能跨应用执行全流程工作：从信息检索到内容撰写，再到生成1分钟短视频、PPT 或播客，并直接完成小红书发布。

这意味着，AI 不再是一个“聊天工具”，而是一个能真正替你干活的全能代理人。它不仅能给出答案，还能把任务完整执行，帮助用户节省时间与精力，彻底改变人与 AI 的协作方式。

二、为 AI 配一台手机

AutoGLM 的主要亮点，是一个 APP 让一部手机成为真正的“新物种”。

在 AutoGLM 2.0 中，智谱为 AI 配备了专属云手机和云电脑。Agent 可以在云端自主干活、完成任务，而无需占用用户的本地设备，期间用户可以使用其它APP（如刷抖音、打游戏）。

这意味着它不仅能“自动驾驶手机”，还可异步“代理办公”。让手机真正变成具备自主执行、跨端协作能力的「智能体手机」。

AutoGLM 会以这样的产品形态出现，源于智谱对 AGI 早期形态的理解。智谱认为从 Agent 到 AGI，还需要满足 3A 原则：

•                      Around-the-clock（全时）：24 小时运行，即使用户离线，Agent 依然在执行任务

•                      Autonomy without interference（自主零干扰）：独立运行，不占用用户屏幕与算力，平行世界的搭子

•                      Affinity（全域连接）：跳出浏览器对话框，跨越手机、电脑、手表、眼镜、家电等设备，操作物理世界

三、新交互，新生态

借助 AutoGLM 强大的 云端执行能力，人与设备的交互方式正在被重新定义。

智谱已将 AutoGLM 的操作执行能力封装为 API，开发者只需简单接入，即可将这一能力无缝融入各类硬件设备。

从 AI 眼镜等可穿戴设备到传统家电，AutoGLM 让它们首次具备完整的 手机级操作能力，无需在端侧堆叠复杂系统或大容量电池。例如，可以直接通过智能眼镜点一杯咖啡。

今日起，AutoGLM 移动端 API 申请通道及 开发者生态共建计划正式上线。除手机与电脑外，手表、眼镜、家电等设备都能成为 Agent 驱动的智能助手。

智谱期待与更多用户和开发者携手，共同探索 AI 融入物理世界的无限可能。

四、技术SOTA

AutoGLM 得以在国内全量上线，因为它是纯国产 Agent，并且成本相较于接入国外模型的 Agent 有了数量级的下降。AutoGLM 由智谱最新开源 SOTA 语言模型 GLM-4.5 与视觉推理模型 GLM-4.5V 驱动。AutoGLM 将基座模型原生能力发挥到*，并结合在「端到端异步强化学习」方面的多项突破成果，得以完成 推理、编码、研究、Agentic 与 GUI 操作等多类任务，并可根据需求灵活调用最合适的「大脑」完成执行。

•                      ComputerRL：提出 API-GUI 协同范式，提升数据多样性与计算效率；改进 GRPO 并提出 Entropulse 机制，增强探索与策略多样性。

•                      MobileRL：创新难度自适应强化学习方法（推理自举预热 + 难度自适应 GRPO），显著提升移动端任务的稳定性与收敛效率。

•                      AgenRL：通过交叉采样与任务优势归一化机制，解决多任务训练中的不稳定与梯度分布不均，增强整体鲁棒性与效率。

在 Device Use 基准测试（涵盖手机、电脑和网页操作）中，AutoGLM 整体表现优于 ChatGPT Agent、UI-TARS-1.5 和 Claude 4 Sonnet，展现出更强的鲁棒性与通用性，已处于主流 Agent 的*水平。