前两天，智谱AI 开源了最新版本的 GLM-5.1。
除了开发在用 GPT-5.4，日常工作主力模型我一直在用 GLM-5。
所以很好奇 GLM-5 没出来多久，就又推出一个5.1的小版本，尤其又宣称这个模型是目前最强的开源模型。
PS，大模型更新太快了，每个模型出来的时候都宣称自己是最强的，要不就是前三，然后就被后续新出的模型超越。
很好奇官方展示的一个场景：8小时从零构建Linux桌面。
下面是它的官方视频：
大模型在8小时内完成了 Linux 桌面的开发
在这个演示视频里，2个小时后，完成了文件的浏览展示。
4小时后，可以运行 chrome 浏览器，浏览网站。
8小时后，可以运行 telegram，在对话框中无障碍对话。
什么是一个类似 Linux 的桌面环境？
不是一个完整 Linux 操作系统，而是模拟出 Linux 桌面环境的用户界面和交互逻辑。
一个“桌面环境”的核心组件应该包括：窗口管理器、文件管理器、任务栏/面板、桌面图标、应用程序启动。
完成这个任务，需要复刻出相当完整的交互逻辑（虚拟文件系统、进程管理、多窗口通信等），并且要稳定、高效地运行在浏览器里。
视频最后，GLM-5.1 完成了开发任务。
成功地在浏览器里，通过一个“Web 桌面环境”，真正启动并连接到了运行在服务器上完整的 Linux 应用程序。
打通了“浏览器 <-> Web 桌面 <-> 后端容器 <-> 远程显示协议 <-> 真实 Linux 应用”这条完整的技术链路。
其次官方提到，这个任务是将GLM-5.1 封装在一个简单的框架中：
每次执行后，模型都会检查自身的输出，识别出可以改进的地方（例如缺失的特征、粗糙的样式、错误的交互）然后继续执行。
而我们现在的做法多数是使用多个 Agent 去实现这种检查自身的输出，识别改进。
因为目前大模型都是倾向于对自己的工作给出好评。
所以在业内，使用 Harness 框架来专门管理长期任务，例如这篇：
日常使用AI的时候，就是感觉老得给它下指令，一个任务要拆成好多步骤，才能完成。
模型好不好用，就看大模型是不是能接收到一个简单的指令，就能领会指令意图，直接把活都干了。
而要完成这个目标，就必须面对以下技术挑战：
如何克服模型面对复杂任务的上下文焦虑
- 大模型会倾向在快达到上下文窗口长度时，提前结束任务。
如何在数千次工具调用后保持执行的一致性
- 大模型会逐渐在执行过程中跑偏，出现幻觉。
如何更早地跳出局部最优
- 在一条优化路径碰壁时主动识别瓶颈、切换策略，而不是盲目重复同一个方向。
以及如何在没有确定数值指标的任务上建立可靠的自我评估机制
- 被要求评估自己产出的工作时，大模型倾向于自信地赞扬这项工作。
从目前大模型更新的方向看，都在努力让大模型能自主完成长期任务：
这次 GLM-5.1 在长期任务方面，又取得了暂时领先的优势。
如果说大模型能自主把长期任务完成了，也许 Harness 也就很快消失在历史长河里。
怪不得现在有种说法：就是 AI 时代不用着急学，什么时候学都一点不晚。
官方还给了另外两个长期任务的例子：
写到这里，就听说 DeepSeek 4月下旬正式发布新一代大模型DeepSeekV4，很期待有些什么新特性。
之前网页端的专家模式（支持简洁搜索和长程、复杂问题处理）可能就是对V4模型的一次灰度测试。
你现在主要使用哪个大模型？
欢迎评论区留言
-END-
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/264534.html