AutoGLM-Phone-9B-Multilingual — 首個可信嘅 open-source 手機代理 VLM，9B 參數本地跑得郁，ADB / HDC / WebDriverAgent 三平台通食，708K 下載直插 YOYO / PhoneGPT / Apple Intelligence 陣地
ModelScope 模型卡 + Hugging Face + zai-org/Open-AutoGLM GitHub README（2026-09-07 last update）+ 智谱 AI 官方：智谱 AI（ZhipuAI / zai-org）正式放出AutoGLM-Phone-9B-Multilingual，連同開源Phone Agent 框架（GitHub 26,184 stars、4,028 forks、Apache-2.0）—— 呢個係目前為止全球第一款真正 open-source、可本地運行、跨 Android / iOS / HarmonyOS 三平台嘅 VLM phone agent，對標嘅唔係新創 wearable，而係HUAWEI 鴻蒙 YOYO 阿寶、vivo PhoneGPT、Apple Intelligence、Honor 任意門、小米 Super XiaoAi呢啲 OEM 私有嘅 phone-side agent —— AutoGLM 第一次證明「open-source community 可以同 closed-source OEM phone agent 喺同一個 level 競爭」。核心突破 1 —— 多語言版本：原版AutoGLM-Phone-9B只支援中文；Multilingual 版本喺GLM-4.1V-9B-Base基礎上 finetune，加英文、複雜 UI 描述、跨語 UI 指令理解 —— 直接可以做「用英文叫 phone agent 撳中文 App」呢類 cross-lingual 場景，呢個係對標Anthropic Claude Computer Use嘅開源答案。核心突破 2 —— 三平台通吃嘅控制介面：(a) Android 用 ADB（Android Debug Bridge）直接 adb shell 落指令；(b) HarmonyOS 用 HDC（華為 HDC 工具）—— 呢個係全世界首個官方支援鴻蒙嘅 phone agent 開源模型；(c) iOS 用 WebDriverAgent（Appium 社群項目），透過 XCUITest driver 操控 iPhone —— 對標Apple Intelligence Siri 私有架構，AutoGLM 直接用 testing framework 做 iPhone 操控，繞過咗 Apple 嘅 sandbox。核心突破 3 —— on-device / 本地跑得郁：9B 參數大小可以喺Apple Mac Studio（M2 Ultra / M3 Ultra）、NVIDIA RTX 4090 / 5090 24GB VRAM、vLLM ≥0.9.2 / SGLang ≥0.5.2 / lmdeploy turbomind上面運行 —— 完全唔使過雲、私有資料唔出公司，對標雲端 Apple Intelligence、Google Gemini Nano on Pixel、HUAWEI 雲端 YOYO，AutoGLM 係真正 on-prem phone agent。核心突破 4 —— 「智谱輸入法 + AutoGLM + ChatGLM」生態 play：智谱同步出智谱 AI 輸入法（autoglm.zhipuai.cn/autotyper），主打「用嘴發指令」 —— 你 keyboard 講嘢，AI 即時幫你撳 App；AutoGLM-Phone 嘅 VLM 就係輸入法背後嘅「大腦」，同 ChatGLM 雲端模型結合做cloud + edge hybrid推理；呢個生態 play 直接對標Apple Intelligence（iOS 27 Siri）嘅「private cloud + on-device Gemini Nano」雙層架構。核心突破 5 —— Midscene.js 整合：Midscene.js（開源 UI 自動化 SDK）已經完成 AutoGLM 模型適配 —— 你可以寫JavaScript 或 YAML 流程腳本，叫 AutoGLM 喺 iOS / Android 自動做 UI automation、QA testing、RPA 場景；呢個將「開源 phone agent」由「純研究模型」變成「production-ready RPA engine」，對標UiPath / Automation Anywhere嘅 AI 升級版。實際使用範例：「打開小紅書搜美食」、「微信回覆 XXX 話我 5 分鐘後到」、「淘寶搜尋呢張圖片」、「高德地圖導航去公司」⋯⋯ AutoGLM 自動睇住你嘅 screen、解析你嘅 intent、規劃下一步 tap / swipe、執行 + 確認 —— 同 closed OEM phone agent 100% 對齊。系統仲內建敏感操作確認機制（轉帳、刪除資料要 user 親自 confirm）+ 人機接管（login / 驗證碼可以暫停 AI 等人手做）—— 安全考量完整。硬體需求 / 部署：vLLM ≥0.9.2、SGLang ≥0.5.2、支援lmdeploy turbomind做加速；模型喺 Hugging Face + ModelScope 雙 host（MIT license）；如果你有 GLM Coding Plan + Claude Code，AI 可以直接幫你 install 整個 stack。下載量 / 社區數據：ModelScope 708,325 downloads（截至 2026-09-07）、Hugging Face 519 downloads（較新）+ 241 likes、GitHub 26,184 stars + 4,028 forks（2026-09-07 updated_at 確認），係中國 AI 大模型開源史上最強 phone agent 項目。編輯角度：本報一直跟「閉源 OEM 嘅 phone agent」故事（HUAWEI YOYO 8/23 / vivo PhoneGPT / Honor 任意門），但AutoGLM 第一次證明 open-source 都可以做到同一件事—— 而且仲跨 Android / iOS / HarmonyOS 三平台（OEM 私有 agent 全部只做自家 OS）；加上智谱輸入法嘅產品化包裝、Midscene.js嘅 RPA 框架、本地端 + 私有部署嘅 enterprise appeal，三件加埋令 AutoGLM 成為未來 6–12 個月 phone agent 生態嘅開源基準線；對 hardware-first 讀者：AutoGLM 唔係新穿戴，係讓你現有嘅 Android / iPhone / HarmonyOS 手機變成 agent 設備嘅「軟件大腦」，呢個意義比任何一個 AI 頸鏈 / 戒指都大。
閱讀原文