首個智能體模型實測：產品、開發(fā)、運維“全包了”

假如你已經習慣了AI“動嘴”，接下來將進入AI“動手”的時代。

2025年下半年剛開局，幾家大模型企業(yè)就開始卡位Agent，要么上線了“Agent模式”，要么發(fā)布了新的Agent產品，但思路大多是“大模型+外掛工具”，就像是“大腦”指揮一堆外部的“手”協同完成任務。

7月28日，智譜正式發(fā)布了新一代旗艦模型GLM-4.5，在MMLU Pro、AIME24、MATH 500、SciCode等12項基準評測中，綜合平均分位居全球模型第三、國產模型第一，開源模型第一。

比起榜單排名，讓我們更感興趣的是——GLM-4.5是專為智能體應用打造的基礎模型，首次在單個模型中實現將推理、編碼和智能體能力原生融合，不再滿足于扮演一個被動回答問題的“聊天機器人”，而是要成為能夠理解復雜目標、自主規(guī)劃并執(zhí)行多步驟任務的“全優(yōu)生”。

相當于模型自己就是“帶手的腦”，實現了自主拆解任務、調用工具、完成工作，直接將大模型的原生能力卷到了下一個Level。

為什么技術博客認為大模型的下一個范式，一定是把各種能力整合到一起？智譜的路線能否跑通呢？

我們花了半天的時間，在z.ai上通過GLM-4.5測試了8組Demo，一起來看下GLM-4.5這個“優(yōu)等生”的表現。（注：所有Demo均來自一句簡單的提示詞，大家可復制提示詞進行驗證）

Demo1：三只萌犬的網頁名片

提示詞：用HTML+CSS寫一個寵物展示網頁，有三只小狗，展示它們的名字、簡介和圖片。

在測試其他Agent產品時，我們需要把提示詞寫的盡可能詳細，包含頁面主題、頁面結構、CSS樣式要求、圖片說明等等，只有足夠詳細的提示詞，才能保證模型能理解我們的需求，生成想要的網頁效果。

第一次測試GLM-4.5的Agent能力，我們選擇大膽的“賭”一把，相對簡單甚至模糊的提示詞，最終會生成什么樣的效果？

直接說結果：GLM-4.5根據我們的需求生成了一個靜態(tài)網頁，自動生成了網頁主題、生成了3張小狗照片，并詳細介紹了它們的名字、品種、年齡、性格和簡介；頁面使用了漸變背景、毛玻璃效果和懸停動畫效果，而且是完全響應式設計，在手機、平板、電腦上都能完美顯示。

Demo 2：AI入門課件

提示詞：寫一份15分鐘的“AI入門課件”，適合初中生，要求通俗易懂、有例子。

制作PPT幾乎是所有Agent產品的主打功能，同時也是比較考驗模型能力的場景：需要先理解用戶的指令，識別出關鍵的信息和目標；根據主題或關鍵詞檢索信息，確保內容的準確性和關聯性，并按合適的順序和結構展示；結合內容自動搜索并插入合適的圖片，以增強視覺效果和理解力。

GLM-4.5的表現，在很大程度上超出了我們的預期：通俗易懂地解釋了什么AI，列舉了AI發(fā)展史的關鍵節(jié)點，梳理了AI的運作邏輯、日常生活中的落地場景、未來的發(fā)展趨勢，并且通過“小測驗和思考題”增加了互動性。

不同于使用模板填充信息的PPT生成方式，GLM-4.5直接根據搜索到的資料和圖片接以HTML形式編寫圖文，讓信息更準確、排版更靈活，而且允許用戶直接編輯修改。以我們生成的這份PPT為例，從標題、排版到配圖、ICON，整份PPT的質量非常高，連小細節(jié)都挑不出什么毛病。

Demo 3：旅游打卡小紅書卡片生成器

提示詞：設計一個小紅書卡片生成器，目標是幫助用戶快速生成適合旅游打卡分享的卡片。

比起靜態(tài)的網頁，直接生成應用的任務，需要對圖片進行美化、裁剪、加濾鏡、添加裝飾元素等操作，而且用戶需要在生成過程中能夠有一定的交互，例如選擇模板、調整圖片、修改文案等等。

結果依然可圈可點，用戶可以上傳照片、輸入文案、選擇模板風格，還提供了三組文案和描述供用戶參考。

一個小插曲在于，最初生成的應用無法下載圖片，我們將問題反饋給GLM-4.5后，迅速檢查了代碼，發(fā)現是“Tailwind CSS v4使用了新的oklch顏色格式，但html2canvas不支持解析這種顏色格式”，然后GLM-4.5拋棄了html2canvas，改用原生的Canvas API實現卡片生成，迅速修復了錯誤。

接下來繼續(xù)上難度，要求GLM-4.5增加一個新功能：根據用戶的描述，自動生成標題和文案，同時一鍵獲取當前地理位置。

想要滿足這個需求，大模型必須要正確理解用戶的需求并生成相關文案、熟悉小紅書的文案風格，在應用中一鍵獲取當前地理位置，并將位置數據與生成的文案組合排版，渲染出精美的小紅書卡片。

整個過程中，我們沒有輸入一行代碼，甚至沒有檢查一行代碼，所有的調試都是用自然語言完成的。

Demo 4：反應測試小游戲

提示詞：設計并編寫一個反應速度測試小游戲，玩家點擊一個按鈕后，在隨機時間內按鈕顏色會發(fā)生變化，玩家需盡快點擊按鈕，點擊得越快，得分越高。

先看下GLM-4.5是怎么理解這個需求的，被拆分成了4個部分：

1、游戲機制：點擊開始→等待變色→盡快點擊→查看成績，并設計了2-6秒隨機等待時間，防止玩家預判。

2、功能特性：實時統計當前成績、最佳成績和游戲次數，根據反應時間給出等級評價，等待狀態(tài)按鈕禁用。

3、用戶體驗：藍色：開始游戲；黃色：等待中；綠色：立即點擊；紫色：再次挑戰(zhàn)，匹配了不同的音效。

4、評價系統：玩家點擊按鈕的反應時間會被計算并轉換為分數，得分= (1 - 點擊時間 / 最大時間) * 100。

讓人驚喜的是，GLM-4.5在推理的過程中通過反思進一步優(yōu)化了游戲細節(jié)，比如設置了新手→進階→專家→大師→傳奇的難度等級，并在游戲結束后加入了社交分享功能，可以將成績分享到微博或微信。

對于大模型來說，這個任務不僅僅代碼生成，需要跨越多個技術維度，涉及到游戲機制、UI界面設計、用戶體驗優(yōu)化等多個方面，具備理解玩家行為、生成富有挑戰(zhàn)性的游戲內容、平衡游戲樂趣與難度的綜合能力。

Demo 5：前任行為分析大師

提示詞：生成一個“前任行為分析大師”，專門幫用戶解讀前任發(fā)朋友圈的含義，給出“是否在試探復合”的專業(yè)分析。

這個任務的難點在于：大模型需要具備強大的情感語境理解能力，不僅要識別顯性信息，還要能夠讀懂隱性信息；處理文本、圖片等多種格式，進行情感和意圖解讀；基于用戶和前任的行為數據，提供個性化的分析和建議。

這個Demo可能是GLM-4.5完成的最出色的任務，在界面上清晰描述了智能體的功能，并貼心地加入了隱私提醒。

效果怎么樣呢？

我們找到了一組“渣男文案”：“想起了我們一起去過的那個咖啡館，好久沒去了，那個咖啡真的好喝，尤其是我們一起喝的那杯。”

“前任行為分析大師”的輸出結果如下：

需要說明的是，這個Agent僅供娛樂參考，請勿過度依賴。

Demo 6：抖音爆款短劇生成器

提示詞：生成一個“抖音爆款短劇自動機”，用戶輸入主線（如：窮小子逆襲），你輸出完整分鏡腳本、角色名、反轉節(jié)點。

整個過程和前面幾個demo一樣，GLM-4.5準確理解了我們的需求。進行了一組簡單的測試，創(chuàng)意與生成能力、情感共鳴與情節(jié)推進、劇本結構化輸出等表現都讓人滿意，但頁面的風格和前面比較相似。

于是我們再次給GLM-4.5上了強度——“把界面改成黑神話悟空的風格”。

原以為模型只會把頁面色彩改一下，適配黑神話的“暗黑美學”，大大超出預期的是，GLM-4.5進行了全面改造：

不單單是在視覺上采用了深色漸變的風格，文案風格、UI組件命名、交互效果等都在向游戲風格靠齊。

比如標題改成了”黑神話·短劇天機”，副標題改成了“悟空慧眼觀世間，AI神筆寫乾坤。一念生成千萬劇，皆是因果皆是緣”，輸入區(qū)域被定義為”天機演算法壇”，生成按鈕標稱了”演算天機劇本”。

Demo 7：荒島求生游戲

提示詞：設計一個“荒島求生游戲”，用戶輸入想要的資源和技能，智能體生成一系列求生任務和情境，用戶通過與系統的互動解決困境。

GLM-4.5的完成度非常高，設計了角色創(chuàng)建系統、生存系統、任務系統、隨機事件系統和游戲進度系統。游戲會根據玩家當前技能和資源生成合適的任務，并在資源消耗、技能成長、風險回報上進行了平衡。

同時也在考驗模型在情境生成、任務多樣性、即時反饋以及決策等方面的能力。比如我們多次選擇狩獵大型動物的任務，導致生命值不斷下滑后，后續(xù)生成的任務主要是休息和安全探索，確保玩家可以“活下去”。

由于提示詞比較簡單，整個游戲的可玩性不是特別強，但讓我們看到了一種新的可能：游戲公司在驗證一個創(chuàng)意的可行性時，可以先簡單做一個Agent，不斷模擬游戲中的場景，豐富游戲的劇情。

Demo 8：診療陪練系統

提示詞：做一個診療陪練應用，通過AI模擬患者，輔助醫(yī)學生提升診斷技能，提供問診評分，高效助力臨床實踐訓練。另外再寫一個管理員頁面的功能，方便管理員查看醫(yī)學生的成績。

這個demo主要涉及兩個部分：

1、診療陪練應用，通過AI模擬患者來輔助醫(yī)學生提升診斷技能，提供問診評分。

2、管理員頁面功能，使管理員能夠方便地查看醫(yī)學生的成績。

不管是AI對話系統的復雜性、評分算法的設計、數據模型的復雜性，還是實時交互的技術挑戰(zhàn)、醫(yī)學專業(yè)知識的準確性、系統集成和數據流的處理，幾乎都在考驗當前大模型的能力上限。

一個直接的例子，GLM-4.5需要理解醫(yī)學生的提問和患者的回答，并且根據設定的醫(yī)學背景、癥狀和情境模擬合理的互動。例如模擬患者可能表達各種癥狀，且這些癥狀需要結合醫(yī)學知識進行適當的反饋。

就交互體驗和系統完整性而言，GLM-4.5的表現依舊值得稱贊，只用了十幾分鐘的時間，但已經很接近一套完整的診療陪練系統，而且UI設計、題庫設計、交互體驗、數據管理等模塊不遜于市場上的大多數成熟產品，驗證了大模型生成復雜Agent系統的可能性。

一些思考

作為基座模型的GLM-4.5，同時扮演了產品經理、程序員和測試運維的角色，通過在一個模型中實現多種能力的融合，很大程度上簡化了搭建智能體的工程難度，進一步拉低了智能體的應用門檻。

目前GLM-4.5只能部署8個實例，我們也只能展示8組Demo，但傳遞出的信號已經十分明顯：

1、技術的門檻正在消失，創(chuàng)意將直接和生產力掛鉤。

就像上述的Demo，即便是最簡單的靜態(tài)網頁，至少需要一個前端和一個設計師協同，花費三四天的時間，現在只需要一句自然語言的指令，文案、配圖、代碼、上線部署等均可以交給GLM-4.5。

當技術的門檻被抹平了，創(chuàng)意的價值將被無限放大，即使是不懂技術的普通人，也能將創(chuàng)意轉化為生產力。

2、智能體競賽的邏輯即將重構，從“系統拼裝”向“模型驅動” 轉變。

過去智能體競賽的焦點在于能否將不同的組件、工具和技術有效地集成到一起，更多依賴于工程實現，而非模型本身的創(chuàng)新。

智譜示范了另一種路線，即“模型即操作系統”的路線：通過大模型能力的全面提升，減少了工程集成的復雜性。一些簡單的智能體能力，或將被基座大模型整合，但基座模型能力的增強，賦予了開發(fā)者更大的想象空間。

3、從比拼榜單刷分到真實場景表現，大模型廠商越來越務實。

GLM-4.5的基準評測成績不可謂不亮眼，讓我們印象最深刻卻是在真實場景中的表現，代表著大模型的產業(yè)落地進程。

除了性能優(yōu)化，GLM-4.5也在成本和效率上實現了突破，其中API調用價格已經低至輸入0.8元/百萬tokens，輸出2元/百萬tokens，高速版本實測生成速度超過100 tokens/秒，可以說兼顧成本效益與交互體驗。

也讓我們有理由相信，當GLM-4.5代表的新模型不斷融合更多通用智能能力，AI“動手”的時代已經離我們越來越近，Agent正加速從實驗室走向真實場景，成為日常生活中不可或缺的一部分。