智谱发布AutoGLM沉思版，国产DeepResearch来了，人人皆免费。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
智谱发布AutoGLM沉思版，国产DeepResearch来了，人人皆免费。
原创 数字生命卡兹克 数字生命卡兹克 2025-03-31 10:53 北京
人在中关村论坛现场。
刚刚看完了智谱的发布会。
说真的，即使玩过了这么多的DeepResearch产品，我也没想到，他们能扔出个这么个有趣的玩意。
让我觉得眼前一亮。
这个产品叫做，AutoGLM沉思版。
他们已经开放了内测，我在现场，一边听一边测一边写文章，看着屏幕里面的AutoGLM搜寻着各种各样的信息，再听着张鹏在台上讲述智谱在2025年的愿景，两种信息汇成河流，真的有一股别样的风景。
聊回到AutoGLM沉思版。
你可以简单地把他理解成，DeepResearch和AutoGLM的结合。
DeepResearch我已经安利过很多很多遍了，我觉得我还是有必要再在这里强调科普一下。
DeepResearch中文名即为深度研究，第一个做出这个产品的，是Google的Gemini。作用很简单，深度研究你提出的问题，然后花10到30分钟时间，搜索全网数据，然后给你一篇详细且非常有深度的展示报告。
但是Gemini做窜稀了，效果很烂。
真正把它发扬光大的，是OpenAI，用最牛逼的o3模型，微调了一个端到端的Agent模型，按照规划 - 执行 - 合成的路径去完成任务，还会在过过程中，动态调整任务。
至此，成为了我愿意每个月付200美刀都去用的功能，天天在群里吹。
不过国内说实话，一直都没有真正的DeepResearch。有很多类似的产品，但是我们一般称为DeepSearch。
注意看，一个是DeepResearch，一个是DeepSearch，后面的单词是有区别的。
Research代表的是深入研究、深度调查。
Search代表的更多的是更高级、更深层次的信息检索。
仅仅两个字母之差，但是在做法、目标上、结果、耗时上，其实是有巨大的区别的。
**DeepSearch是比较新的AI搜索方式，**其核心理念是在搜索、阅读和推理三个环节中不断循环，直到找到最优答案。
比如DeepSearch首先利用搜索引擎在互联网上广泛获取信息，然后对特定网页进行深入分析，最后通过推理评估当前状态，看看是否需要将原始问题拆解为更小的子问题，或者尝试其他搜索策略。可以通过多次搜索和推理的循环，最终得出更准确的答案。
DeepResearch则是在DeepSearch基础上的应用，主要是可以自动生成研究报告。
用户只需提供一个主题，DeepResearch会首先规划出报告的大致章节结构。然后，针对每个章节，利用DeepSearch进行信息搜索和推理，最后借助大模型进行整理和整合这些信息，生成完整的研究报告。
DeepResearch一般都是用一个通用基座模型专门微调的端到端模型，报告丰富详细，耗时最低几乎都是几分钟，平均十几分钟，我甚至还用OpenAI的DeepResearch跑过分析30分钟，输出4w6千字的任务。
国内目前做的最好的是秘塔的先想后搜，还有豆包的深度思考，这两个是DeepSearch的典范。
但是DeepResearch，目前确实还是一个空白。
而这次，智谱的AutoGLM沉思版，把这个空白补上了。甚至还用了更有趣的方式。就是把AutoGLM的部分能力，补足到了DeepResearch里。
最最最牛逼的是，完全免费，不限量，随便用。
AutoGLM我也写过两三次，从他们第一次发布开始我就一直在追踪了。
参见这一篇：智谱AI悄悄发布AutoGLM，这一次，贾维斯真的要成现实了。我就不过多赘述了。
至于DeepResearch+AutoGLM的融合，这个理解起来会有一点抽象，直接看case吧。
比如，最近两个月，我经常在玩《燕云十六声》，他们刚刚也上了河西篇。（PS：这不是燕云十六声的广告）
我真的非常非常喜欢《燕云十六声》的剧情，特别是其中开封城的一段28个NPC的支线，一叶知秋，我觉得是我将近20年的游戏生涯里，也是值得封神的一章。
所以我也对燕云十六州的那段历史故事，有了非凡的期盼。
所以，我就向AutoGLM沉思版提出一个问题：
我想了解《燕云十六声》中呈现的故事有哪些是真实历史背景的，请结合用户发掘出来的信息和真实史料进行详细解释，输出一篇1万字的报告，并给出引用。
这个问题，其实非常的不简单。不简单的原因在于，《燕云十六声》这款游戏，2024年12月27号才正式上线时间，几乎所有的正式资料，也都是在这之后的时间。
因为太新，可以说，没有任何一个模型，知晓《燕云十六声》的任何信息，他只能纯靠搜索和研究，一点一点的去理解，《燕云十六声》这款游戏是什么，里面的剧情是什么样，里面主要角色有哪些，再去跟真实的历史，一点一点的拼凑，一点一点的校对。
所以，让我来看看，AutoGLM沉思版是如何来解决这个问题的。
我先直接放一个我的一刀未剪完整版的12多分钟的录屏（很无聊，但是展示了全过程，有兴趣的可以看，没兴趣的可以看我下面的文字和动图介绍就行。）
在拿到任务后，AutoGLM沉思版第一步干的事情是，进行拆解问题和任务规划。
5步分的非常清晰。然后根据规划，开始正常搜索，比如第一波《燕云十六声》的基本信息，AutoGLM沉思版就抓了5个帖子来学习。
接下来，有趣的事情来了。
他希望，搜到关于游戏历史背景、剧情时间线的一些信息，他没有选择跟之前一样去搜索网页。
而是，通过AutoGLM，打开了我的浏览器，开始跟人一样，打开小红书，开始搜索这个关键词：
“燕云十六声，历史背景”
自己开始在小红书上，开始浏览帖子了。。。
直接连看3篇关于燕云十六声剧情的详情帖子。
这就是我说的，让我觉得AutoGLM沉思版最有趣的地方。
你知道的，在国内，有很多数据孤岛。
最优质的信息源，比如公众号、小红书、巨潮、知网等等，都只能在自己的搜索或者大模型产品中才能搜到。
元宝为啥搜索质量高，还不是因为公众号只有它能抓吗。
所以，不管你是DeepReasearch还是AI搜索，没有优质数据都是巧妇难为无米之炊。
但是AutoGLM沉思版，用一种非常猎奇同时又野蛮但有效的方式，解决了这个问题。
我既然抓取或者搜索不到，但是我自己有眼睛有手，我自己去看嘛还不行吗。我看看总不犯法吧。
于是，就有了上述一幕，打开了AutoGLM，开始自主浏览小红书，抓取信息。
这种事估计也就只有智谱能干的出来了，因为你想效果好，需要自己的DeepResearch和Agent模型，刚好，智谱都有，而且都是自己自研的。。。
而且，这个Agent模型，不是只能读取文字，图片也可以。
你会发现，这篇小红书的帖子里根本没啥字，字都在图里，但是AutoGLM沉思版，全都抓出来了，并且在思维链里，总结的很棒。
后续，就是不断的搜索，不断的思考，然后更改自己的目标。
它不仅会看小红书，还会打开知乎搜。
甚至，还知道要搜索微信公众号。
知道打开搜狗搜索，在上面搜“燕云十六声 历史背景 分析”，然后打开了一篇游戏萝卜的写的很棒的文章。
就这样噼里啪啦的，AutoGLM沉思版，打开了N个网页，甚至还一度打开了百度贴吧想去搜索，我连忙手动接管点了跳过。。。
再规划、推理、搜索了整整11分钟之后，一篇1w字的报告，终于放在了我的面前。
报告实在太长，我就不放全文了。从报告质量上来说，肯定是打不过OpenAI的DeepReasearch的，这玩意即使不看小红书公众号这些高质量答案，就靠公网上的那些信息，那个质量也是离谱她妈给离谱开门，真的离谱到家了。
智谱的这个AutoGLM沉思版，在我实测下来，报告质量，大概是能跟Gemini那个DeepResearch打个平手，甚至在一些我的实测问题上，更易读更深度一些。
从我曾经做过的象限图里，大概在这个位置。
优点有很多，包括模型能力是很强的，DeepResearch+AutoGLM的结合也是非常有趣。但是缺点，我也真的必须要吐槽一下。
就是智谱的C端产品体验，实在做的是太粗糙了。。。
比如这个AutoGLM沉思版，是需要电脑客户端运行的，这些我都理解。
但是，我在提出问题，你在运行问题的时候，你要不要学Claude或者Manus做个虚拟机？而不占用我自己的浏览器，虽然现在是可以最小化，但是也很蛋疼，我根本不敢动那个浏览器窗口。
还有，OpenAI和Gemini还有Grok都知道这个等待时间太长了，所以做了后台运行和进度条，你把窗口关了，或者你新起一个对话聊别的，都可以。
但是智谱这个AutoGLM沉思版，居然是唯一窗口，我想着我这个任务在这跑着，一会过个10分钟我回来收菜，先去跟你聊聊别的。当我试图新起一个窗口的时候，他居然给我弹Toast。告诉我当前对话正在进行中，居然不能干别的。。。。我。。。。。。
我不理解。
还有OpenAI的DeepResearch有个非常棒的交互，在我提出问题后，他会给我一个反问，帮我补全信息。
这个，智谱也没有。
从种种都可以看出，智谱是有模型底子的，他们的模型能力，坦率的讲，是真的很强。
比如这次终于发了他们新的推理模型GLM-Z1-Air，效果能打平DeepSeek R1，但是速度快8倍，价格是R1的1/30。沉思的底座模型也是基于GLM-Z1-Air微调来的GLM-Z1-Rumination，能搞非常长的使用工具+推理任务。
但是他们在产品的设计上，我也不知道是真的粗糙，还是太急了，就感觉，还不是很成熟，在体验上不得劲。。。
虽然产品设计上，有各种各样的问题，但是不可否认的是，AutoGLM沉思版，就是当今国内第一个真正的DeepResearch产品，而且还加入了AutoGLM的能力。
甚至，跟OpenAI那昂贵的价钱不一样，智谱他，不要钱，不限量，所有人免费用。
我已经能感受到，智谱的算力，会燃烧成什么样了。。。
回过头来，我们再说下，该怎么去用AutoGLM沉思版。
这次他们其实有两个产品。
一个是网页版的，你登录智谱清言https://chatglm.cn/。
看到输入框左下角的沉思按钮，激活就可以用。
但是因为网页版的问题，权限不够，所以只是沉思版，也就是个DeepResearch，没有AutoGLM的能力。
所以如果你想用有AutoGLM能力的AutoGLM沉思版，那你就得去他们官网：https://autoglm-research.zhipuai.cn/
下载桌面端产品，跟着教程配置一下权限，就OK了。
除了上面的《燕云十六声》的案例，我再给大家看两个AutoGLM沉思版写的报告。
比如我很喜欢星球大战，有一个问题是我一直想知道的，光剑的设计灵感。
就是《星球大战》里光剑的灵感据说来自东方武士文化，也有人说来自西方骑士剑，能否搜集官方采访或设计师访谈来对比考据？
而AutoGLM在深度研究之后，给我开了N多网页后，还拔高升华了一层。
后面还有光剑颜色的象征意义、光剑设计的演变、光剑在现代流行文化中的影响等等段落，我就不贴了。只贴个结论吧。
满分100分，我能打90分钟，真的。
还有一个就是，我昨天刚看到爱尔兰的初创公司Equal1发布全球首款硅基量子计算机Bell-1，我自己其实对量子计算非常好奇，我希望AutoGLM沉思版，帮我检索并总结2024年至今量子计算领域的重要研究突破。用时间线列出有哪些新的技术进展，这些进展意味着什么，以及可能带来的应用前景。
它在打开了一堆Google学术、arxiv论文、知乎之后。
给我来了一篇还不错的回答。
效果非常的好。
说实话，智谱的模型，是真的很强。但是在ToC的产品这一步，也许智谱走得还稍微有点踉踉跄跄，但这颗种子终究还是种下了。
今何在的《悟空传》中有一句我很喜欢的台词：
“花果山，什么时候才能重新长出花果来？不过，种子已经撒遍天下了。”
每一次进步都像一场晚风拂面的惊喜。
向前进吧。
智谱。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@virxact.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言