CogAgent-9B是基于 GLM-4V-9B 训练的专用Agent任务模型，仅依赖屏幕截图作为输入，无需HTML等文本表征。CogAgent-9B支持高分辨率图像处理，具备双语（中英文）交互能力，能预测并执行GUI操作，实现自动化任务。在多个GUI操作数据集上取得了领先成绩，模型已开源，推动大模型Agent生态的发展。CogAgent-9B可广泛应用于个人电脑、手机、车机等GUI交互场景。

CogAgent-baidu099B – 智谱AI开源 GLM-baidu09PC 的基座模型 第1张
（图片来源网络，侵删）
CogAgent-baidu099B – 智谱AI开源 GLM-baidu09PC 的基座模型 第2张
（图片来源网络，侵删）