Агенты для компьютераКартинка + текст
CogAgent / AutoGLM
Одна из первых открытых моделей для управления интерфейсом по скриншоту, развитие — AutoGLM-Phone для работы в приложениях смартфона на Android.
- Разработчик
- Zhipu AI (Z.ai) и Университет Цинхуа, Китай
- Первый выпуск
- дек 2023
- Последний выпуск
- дек 2025
- Размеры
- 9B – 18B
- Лицензия
- Коммерция с условиямиСмешанная: CogAgent-18B — Apache 2.0, CogAgent-9B — своя лицензия (коммерция после регистрации), AutoGLM-Phone — MIT
Какие задачи решает
- Автоматизация действий в мобильных приложениях
- Работа в веб-интерфейсах без API
- Тестирование приложений по сценарию
Где применяется
Мобильная разработка и тестированиеБэк-офисЭлектронная коммерция
Требования к железу
НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии
нет версий1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии
подходитКластерСервер с несколькими видеокартами — флагманские версии
нет версийВерсии
- AutoGLM-Phone-9B
- CogAgent-9B
- CogAgent-18B
Как внедряю у заказчика
- ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
- УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
- ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
- ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.
Похожие модели
Агенты для компьютераGUI-Owl / Mobile-AgentAlibaba (Tongyi Lab, X-PLUG) · КитайМожно в коммерцию
Модели для управления телефоном и компьютером из проекта Mobile-Agent: работают с Android, Windows, macOS и браузером, в версии 1.5 есть режим с рассуждением.
ПодробнееАгенты для компьютераUI-TARSByteDance Seed · КитайМожно в коммерциюМодель, которая смотрит на скриншот и сама двигает мышью и клавиатурой: кликает, заполняет поля, переходит по меню. Открыты 1-е поколение и 1.5-7B; UI-TARS-2 весов не открыл.
ПодробнееКартинка + текстCogVLM и GLM-VZhipu AI (Z.ai) и Университет Цинхуа · КитайМожно в коммерциюМодели зрения от Zhipu: сначала CogVLM, затем линейка GLM-V. GLM-4.6V умеет вызывать инструменты по картинкам и работать как агент с интерфейсом.
Подробнее