GLM-PC

GLM-PC とは

GLM-PC は図形画面向けの公開エージェントだ。画面の写しと平易な言葉の指示を与えると、指示を実行するクリックと打鍵を返す。

狙いは対話ではなく画面の操作であり、90億パラメーターの構成が商用のデスクトップ支援に組み込まれているものだ。

情報の出所について。製品ページはブラウザ内で描かれ文字を取得できなかったため、ここでの記述はすべてプロジェクトの保管庫に依拠する。モデルについては権威だが、それを使った製品についてはそうではない。

できること

画面の写しと言葉で述べた作業を与えると、操作とその場所を返す。可能な操作の集合はクリック、入力、スクロールとして書き出されている。

どの基盤かを指定する必要があり、Windows、macOS、Android に各々の経路があるため、同じ指示でも動作する場所で扱いが異なる。

画面の写しは必須で、言葉だけでは働かず、継続した対話もない。ただし以前の工程を渡せば長い作業も続けられる。画面の位置づけと一段階の試験では点数を保つが、複数段のデスクトップ作業では最強の競合にやや劣る。コードは公開ライセンスで、重みは商用前に確認すべき別のライセンスに従う。

向いている人

画面エージェントに取り組む研究者と開発者、そして視覚モデルの上にデスクトップ自動化を載せる組織に向けたものとされている。

自動化を組むチームと応用 AI の部門も名指しされ、最終利用者向けの製品ではないと明言されている。

導入して使える製品を期待するなら別を探すべきだ。これはモデルと保管庫であり、想定読者はその上に築く人々である。

注意点

実行するアカウントに許されたことは何でもできる。画面を見る方式に固有の保護領域はないため、読み違えた指示に従うモデルがファイルを消し、メッセージを送り、購入を完了しうる。抑制は外側に築くほかない。

作り手は安全な挙動は約束できないと明言し、実演は学術参照用で責任を負わないとしている。率直な姿勢であり、定型句として読み飛ばさず文字どおり読むに値する。

自前の機械で動かすには負担が大きい。通常の精度で数十ギガバイトの記憶域を要し、最も圧縮した版は結果が大きく落ちるため推奨されない。圧縮版は特定の機器も必要とし、自前で運用できる者を狭める。

2024年後期より新しい公開はなく、更新され続けるものではなく完了した研究として位置付けられている。複数段のデスクトップ作業で最強の競合に遅れるが、複数段こそ自動化の中身である。