还有一个细节我觉得挺值得注意：Ox Alpha不只是处理文字，还支持图片和视频输入。这意味着以后让AI干活，输入的信息可以越来越接近我们平时真正面对的东西。一张截图、一个产品页面、一段会议视频，甚至一段代码运行报错的视频，都可以直接扔给模型。以前可能得先自己描述半天：“你看这个地方，好像有个问题……”以后直接把东西给它看就行。对于Agent来说，多模态其实挺重要的。因为真实世界本来就不是一堆文字组成的。AI如果想真正进入工作和生活，光会读文字肯定不够，它得学会看、听，然后根据看到的东西继续干活。牛来模型确认为智谱GLM系列