當深度思考遇上Agent，真全能的AI來了？
智譜AI在OpenDay上釋出了全球首個集深度研究和操作執行於一體的Agent產品——AutoGLM沉思。有別於大多數只會打嘴炮的AI，這款號稱“邊想邊幹”的產品不僅能思考，還能即時操作瀏覽器，像真人一樣開啟網頁、檢索資訊、生成報告。
我們第一時間進行了一手評測，用三個實際工作場景測試後不得不說：這次不是PPT產品，這次是真的能用！
通用Agent一直面臨的最大難題是C端場景過於複雜多變，導致穩定性和準確性難以保證。智譜透過“先思考再執行”的策略解決了一部分準確性的痛點。AutoGLM沉思會先制定完整研究計劃，再一步步執行，最後進行系統總結，大大降低了幻覺率和操作失誤率。
AutoGLM沉思之所以能真能用，關鍵在於其背後的技術棧。它基於智譜自研的推理模型GLM-Z1-Air訓練，這個模型號稱效能比肩DeepSeek-R1，但速度提升最高8倍，價格僅需其1/30。深度推理能力讓它不僅能像OpenAI的Deep Research一樣進行深度思考，AutoGLM框架則賦予了它真實的操作能力，能自動瀏覽和操作網頁，獲取更多高質量信源。
而且對於打工人來說，AutoGLM沉思完全免費且不限次數使用，現場智譜用它演示了“如何賺到100塊錢”以及“14天小紅書起號計劃”，我們實測下來，AutoGLM沉思打破了“通用Agent等於玩具”的刻板印象，不過由於“邊想邊幹”的工作方式，它完成一項複雜任務往往需要5-20分鐘不等，效率確實有待提高。但考慮到它能完成的任務複雜度和準確性，這個時間成本其實已經比人工低得多。
當深度調研與實際操作能力相結合，通用Agent終於要從概念走向實用了？
以下是矽星人針對自媒體常見三個場景：熱點分析、財務分析和計劃制定，對AutoGLM進行了實測。
1
一、熱搜話題評論分析
我讓AutoGLM沉思分析一下微博上關於“胖東來店長月薪近8萬”這個熱門話題的主要觀點、大概佔比和能得出什麼結論，AutoGLM沉思整個運作的過程如下。
本文影片均經過倍速處理
接到任務後，AutoGLM沉思先去了解了胖東來這家公司和這個話題的基本情況，確認了訊息來源和薪資資料。它嘗試直接去微博抓取和分析討論，但好像遇到了點技術困難，可以抓取微博帖子，但沒法直接看大量的評論。
於是，它換了個思路，開始廣泛搜尋相關的新聞報道、創始人於東來的發言、以及其他社交平臺（像知乎、小紅書）上關於這個話題的討論和帖子。透過閱讀這些替代來源的資訊，特別是小紅書上的一些帖子和評論。
最終還是給出了一個資訊量豐富、邏輯清晰的分析報告。值得注意的是不僅回答了我的問題，還深挖了背景資訊和商業邏輯，讓結論更有說服力。
可以上下滾動的圖片
從這個過程來看AutoGLM沉思挺靈活，路子堵了知道換條道走，最後還是把任務完成了。不足是因為沒直接看微博，觀點比例是靠其他平臺的資訊，沒有嚴格遵守使用者的要求，如果能直接處理微博資料，分析會更紮實。
1
二、特斯拉股票分析
我們讓AutoGLM深思做一份全面的特斯拉股票分析報告，要求包含財務、市場情緒、技術面、競品對比等方面。
AutoGLM深思接到任務後，先是蒐集了特斯拉的基本情況和最新動態，瞭解了大概的業績。然後它開始深入挖掘，找詳細的財務資料，雖然嘗試直接讀官方年報沒成功，但還是從其他財經網站把關鍵資料（像營收、利潤、現金流）扒拉出來了。接著，它又去查了分析師們怎麼看這隻股票、市場情緒怎麼樣、股價圖走勢如何，還重點比較了特斯拉和比亞迪等競爭對手的優劣。
最後，它把這些資訊彙總起來，從價值投資的角度分析了潛力和風險，做了個SWOT總結，並針對不同型別的投資者給出了建議，形成了一份詳細的報告。
可以上下滾動的圖片
和上面熱搜評論分析的情況類似，AutoGLM深思能按照給出的框架一步步去搜集和分析資訊，覆蓋面很全。即使遇到資訊獲取的小障礙（比如直接讀年報失敗），也能換個途徑把任務完成。不過整個過程看起來挺繁瑣，搜了很多次，花了些時間。
實際上這個股票分析的任務也是Manus的官方案例之一。
對比兩個產品完成任務的過程來看，Manus像一個自動化分析師 + 開發者。它明確地執行計劃、呼叫工具、獲取特定資料（如股價、財務指標）、進行計算（如DCF估值、技術指標）、生成圖表，並且過程非常透明，使用者能看到它一步步在做什麼。除了生成了詳細報告，還做出了一個互動式的資料看板。AutoGLM沉思在資訊蒐集和總結方面做得不錯，但顯得工具化和分析能力稍弱一些。
1
三、日本七日遊旅行計劃
我們繼續讓AutoGLM沉思和Manus同題“打擂”，讓AutoGLM沉思規劃為一對美國公民規劃一個4月中從西雅圖出發的7天日本行程：預算在2500-5000美元，喜歡歷史文化（特別是劍道、茶道）、想看奈良的鹿，而且打算在這次旅行中求婚，需要推薦個特別地點，最後還要個簡單的網頁版旅行手冊。
接到任務後，AutoGLM沉思先去查了西雅圖到東京的航班大概價格和時間，確認了美國公民去日本不用簽證。然後它研究了在日本幾個城市間怎麼走最方便（主要是新幹線），接著就針對興趣點（歷史、文化體驗）去搜東京、京都、奈良的景點和活動，特別找到了東京可以體驗茶道和劍道的地方（從小紅書上找的資訊）。還查了4月份天氣怎麼樣，並且根據別人的經驗推薦了東京塔下的公園作為求婚地點。
最後，它把這些資訊整合起來，做了一個每天的詳細行程安排，加了些日語短語和旅行提示，還生成了一個簡單的HTML格式的旅行手冊，但視覺化程度有限，基本上是提煉了一些要點。
可以上下滾動的圖片
1
總結
對比來看，AutoGLM沉思強項是資料獲取和資訊收集，但過程有點“黑箱”，不太清楚它怎麼篩選資訊、怎麼做的決策，但遇到問題知道換個法子試試，很喜歡小紅書這類社交平臺，這讓它可能更擅長找到一些普通使用者分享的、非官方的、甚至有點“網紅”性質的地點或體驗。這可能是個優勢，能挖到那種更依賴官方或結構化資料的 AI 找不到的資訊。對於想直接“抄作業”的使用者來說，可能更直接、更省事。
而Manus的過程更透明，用的方法更多樣，最後給的東西（行程、求婚指南、手冊分開）更規整、更專業。
整體來看，經過這次AutoGLM沉思的評測體驗，雖然有一些槽點，但不得不說，AutoGLM沉思給人的印象確實是勤奮得令人印象深刻，而且考慮到其免費特性，它很可能是你能接觸到的最好用的免費AI勞動力了。它就像一位不知疲倦的實習生，默默在後臺為你搜集資訊、整合分析，而且完全免費。這意味著你可以放心嘗試各種不同場景，探索它的能力邊界。免費的最大好處就是極低的試錯成本，使用者可以放心地讓它嘗試各種不同的應用場景和任務。探索它的能力邊界。
當然，它也有明顯的短板。任務處理速度不算快，有時一個分析可能需要半小時以上。不過好在你不必乾等著，完全可以讓它在後臺默默工作，自己去處理其他事情。唯一的小煩惱是，它會不時地自動開啟新網頁，如果你正在Chrome瀏覽器中工作，可能會有些干擾。
這或許是人類與Agent之間的第一次“領地爭奪戰”——誰才是電腦的真正主人？（笑）