首个智能体模型实测：产品、开发、运维“全包了”_风闻

假如你已经习惯了AI“动嘴”，接下来将进入AI“动手”的时代。

2025年下半年刚开局，几家大模型企业就开始卡位Agent，要么上线了“Agent模式”，要么发布了新的Agent产品，但思路大多是“大模型+外挂工具”，就像是“大脑”指挥一堆外部的“手”协同完成任务。

7月28日，智谱正式发布了新一代旗舰模型GLM-4.5，在MMLU Pro、AIME24、MATH 500、SciCode等12项基准评测中，综合平均分位居全球模型第三、国产模型第一，开源模型第一。

比起榜单排名，让我们更感兴趣的是——GLM-4.5是专为智能体应用打造的基础模型，首次在单个模型中实现将推理、编码和智能体能力原生融合，不再满足于扮演一个被动回答问题的“聊天机器人”，而是要成为能够理解复杂目标、自主规划并执行多步骤任务的“全优生”。

相当于模型自己就是“带手的脑”，实现了自主拆解任务、调用工具、完成工作，直接将大模型的原生能力卷到了下一个Level。

为什么技术博客认为大模型的下一个范式，一定是把各种能力整合到一起？智谱的路线能否跑通呢？

我们花了半天的时间，在z.ai上通过GLM-4.5测试了8组Demo，一起来看下GLM-4.5这个“优等生”的表现。（注：所有Demo均来自一句简单的提示词，大家可复制提示词进行验证）

Demo1：三只萌犬的网页名片

提示词：用HTML+CSS写一个宠物展示网页，有三只小狗，展示它们的名字、简介和图片。

在测试其他Agent产品时，我们需要把提示词写的尽可能详细，包含页面主题、页面结构、CSS样式要求、图片说明等等，只有足够详细的提示词，才能保证模型能理解我们的需求，生成想要的网页效果。

第一次测试GLM-4.5的Agent能力，我们选择大胆的“赌”一把，相对简单甚至模糊的提示词，最终会生成什么样的效果？

直接说结果：GLM-4.5根据我们的需求生成了一个静态网页，自动生成了网页主题、生成了3张小狗照片，并详细介绍了它们的名字、品种、年龄、性格和简介；页面使用了渐变背景、毛玻璃效果和悬停动画效果，而且是完全响应式设计，在手机、平板、电脑上都能完美显示。

Demo 2：AI入门课件

提示词：写一份15分钟的“AI入门课件”，适合初中生，要求通俗易懂、有例子。

制作PPT几乎是所有Agent产品的主打功能，同时也是比较考验模型能力的场景：需要先理解用户的指令，识别出关键的信息和目标；根据主题或关键词检索信息，确保内容的准确性和关联性，并按合适的顺序和结构展示；结合内容自动搜索并插入合适的图片，以增强视觉效果和理解力。

GLM-4.5的表现，在很大程度上超出了我们的预期：通俗易懂地解释了什么AI，列举了AI发展史的关键节点，梳理了AI的运作逻辑、日常生活中的落地场景、未来的发展趋势，并且通过“小测验和思考题”增加了互动性。

不同于使用模板填充信息的PPT生成方式，GLM-4.5直接根据搜索到的资料和图片接以HTML形式编写图文，让信息更准确、排版更灵活，而且允许用户直接编辑修改。以我们生成的这份PPT为例，从标题、排版到配图、ICON，整份PPT的质量非常高，连小细节都挑不出什么毛病。

Demo 3：旅游打卡小红书卡片生成器

提示词：设计一个小红书卡片生成器，目标是帮助用户快速生成适合旅游打卡分享的卡片。

比起静态的网页，直接生成应用的任务，需要对图片进行美化、裁剪、加滤镜、添加装饰元素等操作，而且用户需要在生成过程中能够有一定的交互，例如选择模板、调整图片、修改文案等等。

结果依然可圈可点，用户可以上传照片、输入文案、选择模板风格，还提供了三组文案和描述供用户参考。

一个小插曲在于，最初生成的应用无法下载图片，我们将问题反馈给GLM-4.5后，迅速检查了代码，发现是“Tailwind CSS v4使用了新的oklch颜色格式，但html2canvas不支持解析这种颜色格式”，然后GLM-4.5抛弃了html2canvas，改用原生的Canvas API实现卡片生成，迅速修复了错误。

接下来继续上难度，要求GLM-4.5增加一个新功能：根据用户的描述，自动生成标题和文案，同时一键获取当前地理位置。

想要满足这个需求，大模型必须要正确理解用户的需求并生成相关文案、熟悉小红书的文案风格，在应用中一键获取当前地理位置，并将位置数据与生成的文案组合排版，渲染出精美的小红书卡片。

整个过程中，我们没有输入一行代码，甚至没有检查一行代码，所有的调试都是用自然语言完成的。

Demo 4：反应测试小游戏

提示词：设计并编写一个反应速度测试小游戏，玩家点击一个按钮后，在随机时间内按钮颜色会发生变化，玩家需尽快点击按钮，点击得越快，得分越高。

先看下GLM-4.5是怎么理解这个需求的，被拆分成了4个部分：

1、游戏机制：点击开始→等待变色→尽快点击→查看成绩，并设计了2-6秒随机等待时间，防止玩家预判。

2、功能特性：实时统计当前成绩、最佳成绩和游戏次数，根据反应时间给出等级评价，等待状态按钮禁用。

3、用户体验：蓝色：开始游戏；黄色：等待中；绿色：立即点击；紫色：再次挑战，匹配了不同的音效。

4、评价系统：玩家点击按钮的反应时间会被计算并转换为分数，得分= (1 - 点击时间 / 最大时间) * 100。

让人惊喜的是，GLM-4.5在推理的过程中通过反思进一步优化了游戏细节，比如设置了新手→进阶→专家→大师→传奇的难度等级，并在游戏结束后加入了社交分享功能，可以将成绩分享到微博或微信。

对于大模型来说，这个任务不仅仅代码生成，需要跨越多个技术维度，涉及到游戏机制、UI界面设计、用户体验优化等多个方面，具备理解玩家行为、生成富有挑战性的游戏内容、平衡游戏乐趣与难度的综合能力。

Demo 5：前任行为分析大师

提示词：生成一个“前任行为分析大师”，专门帮用户解读前任发朋友圈的含义，给出“是否在试探复合”的专业分析。

这个任务的难点在于：大模型需要具备强大的情感语境理解能力，不仅要识别显性信息，还要能够读懂隐性信息；处理文本、图片等多种格式，进行情感和意图解读；基于用户和前任的行为数据，提供个性化的分析和建议。

这个Demo可能是GLM-4.5完成的最出色的任务，在界面上清晰描述了智能体的功能，并贴心地加入了隐私提醒。

效果怎么样呢？

我们找到了一组“渣男文案”：“想起了我们一起去过的那个咖啡馆，好久没去了，那个咖啡真的好喝，尤其是我们一起喝的那杯。”

“前任行为分析大师”的输出结果如下：

需要说明的是，这个Agent仅供娱乐参考，请勿过度依赖。

Demo 6：抖音爆款短剧生成器

提示词：生成一个“抖音爆款短剧自动机”，用户输入主线（如：穷小子逆袭），你输出完整分镜脚本、角色名、反转节点。

整个过程和前面几个demo一样，GLM-4.5准确理解了我们的需求。进行了一组简单的测试，创意与生成能力、情感共鸣与情节推进、剧本结构化输出等表现都让人满意，但页面的风格和前面比较相似。

于是我们再次给GLM-4.5上了强度——“把界面改成黑神话悟空的风格”。

原以为模型只会把页面色彩改一下，适配黑神话的“暗黑美学”，大大超出预期的是，GLM-4.5进行了全面改造：

不单单是在视觉上采用了深色渐变的风格，文案风格、UI组件命名、交互效果等都在向游戏风格靠齐。

比如标题改成了”黑神话·短剧天机”，副标题改成了“悟空慧眼观世间，AI神笔写乾坤。一念生成千万剧，皆是因果皆是缘”，输入区域被定义为”天机演算法坛”，生成按钮标称了”演算天机剧本”。

Demo 7：荒岛求生游戏

提示词：设计一个“荒岛求生游戏”，用户输入想要的资源和技能，智能体生成一系列求生任务和情境，用户通过与系统的互动解决困境。

GLM-4.5的完成度非常高，设计了角色创建系统、生存系统、任务系统、随机事件系统和游戏进度系统。游戏会根据玩家当前技能和资源生成合适的任务，并在资源消耗、技能成长、风险回报上进行了平衡。

同时也在考验模型在情境生成、任务多样性、即时反馈以及决策等方面的能力。比如我们多次选择狩猎大型动物的任务，导致生命值不断下滑后，后续生成的任务主要是休息和安全探索，确保玩家可以“活下去”。

由于提示词比较简单，整个游戏的可玩性不是特别强，但让我们看到了一种新的可能：游戏公司在验证一个创意的可行性时，可以先简单做一个Agent，不断模拟游戏中的场景，丰富游戏的剧情。

Demo 8：诊疗陪练系统

提示词：做一个诊疗陪练应用，通过AI模拟患者，辅助医学生提升诊断技能，提供问诊评分，高效助力临床实践训练。另外再写一个管理员页面的功能，方便管理员查看医学生的成绩。

这个demo主要涉及两个部分：

1、诊疗陪练应用，通过AI模拟患者来辅助医学生提升诊断技能，提供问诊评分。

2、管理员页面功能，使管理员能够方便地查看医学生的成绩。

不管是AI对话系统的复杂性、评分算法的设计、数据模型的复杂性，还是实时交互的技术挑战、医学专业知识的准确性、系统集成和数据流的处理，几乎都在考验当前大模型的能力上限。

一个直接的例子，GLM-4.5需要理解医学生的提问和患者的回答，并且根据设定的医学背景、症状和情境模拟合理的互动。例如模拟患者可能表达各种症状，且这些症状需要结合医学知识进行适当的反馈。

就交互体验和系统完整性而言，GLM-4.5的表现依旧值得称赞，只用了十几分钟的时间，但已经很接近一套完整的诊疗陪练系统，而且UI设计、题库设计、交互体验、数据管理等模块不逊于市场上的大多数成熟产品，验证了大模型生成复杂Agent系统的可能性。

一些思考

作为基座模型的GLM-4.5，同时扮演了产品经理、程序员和测试运维的角色，通过在一个模型中实现多种能力的融合，很大程度上简化了搭建智能体的工程难度，进一步拉低了智能体的应用门槛。

目前GLM-4.5只能部署8个实例，我们也只能展示8组Demo，但传递出的信号已经十分明显：

1、技术的门槛正在消失，创意将直接和生产力挂钩。

就像上述的Demo，即便是最简单的静态网页，至少需要一个前端和一个设计师协同，花费三四天的时间，现在只需要一句自然语言的指令，文案、配图、代码、上线部署等均可以交给GLM-4.5。

当技术的门槛被抹平了，创意的价值将被无限放大，即使是不懂技术的普通人，也能将创意转化为生产力。

2、智能体竞赛的逻辑即将重构，从“系统拼装”向“模型驱动” 转变。

过去智能体竞赛的焦点在于能否将不同的组件、工具和技术有效地集成到一起，更多依赖于工程实现，而非模型本身的创新。

智谱示范了另一种路线，即“模型即操作系统”的路线：通过大模型能力的全面提升，减少了工程集成的复杂性。一些简单的智能体能力，或将被基座大模型整合，但基座模型能力的增强，赋予了开发者更大的想象空间。

3、从比拼榜单刷分到真实场景表现，大模型厂商越来越务实。

GLM-4.5的基准评测成绩不可谓不亮眼，让我们印象最深刻却是在真实场景中的表现，代表着大模型的产业落地进程。

除了性能优化，GLM-4.5也在成本和效率上实现了突破，其中API调用价格已经低至输入0.8元/百万tokens，输出2元/百万tokens，高速版本实测生成速度超过100 tokens/秒，可以说兼顾成本效益与交互体验。

也让我们有理由相信，当GLM-4.5代表的新模型不断融合更多通用智能能力，AI“动手”的时代已经离我们越来越近，Agent正加速从实验室走向真实场景，成为日常生活中不可或缺的一部分。