Tatsächlicher Test des Intelligenzspektrums von AutoGLM mit der Fähigkeit zu meditieren, wir sind einem Agenten, der denken kann, einen Schritt näher gekommen

Was wäre, wenn es eine KI gäbe, die denken, aber nichts tun könnte?

Es gibt auch KIs, die Dinge tun, aber nicht denken können.

Welches wirst du wählen?

Wenn ich mich entscheiden müsste, würde ich sagen: Warum nicht beides?

Heute hat Zhipu beim Tag der offenen Tür des Zhongguancun Forums Zhipu AutoGLM Meditation veröffentlicht – den ersten Desktop-Agenten mit Meditationsfunktionen.

Dies ist der erste Agent, der auf dem Computer-Desktop existiert und zuerst nachdenken kann, bevor er etwas tut, und dabei weiter nachdenken kann.

Geben Sie ihm eine Frage, und es wird es Schritt für Schritt aufschlüsseln, dann die Browser-Registerkarten nacheinander vor Ihnen öffnen (oder auch wenn Sie es nicht ansehen), Informationen selbstständig suchen, finden, aufzeichnen, zusammenfassen und analysieren und schließlich einen Ergebnisbericht für Sie erstellen, der vollständig überprüft und gründlich durchdacht wurde.

Wenn Sie immer noch nicht wissen, was das ist, finden Sie hier eine kurze Einführung:

AutoGLM ist ein von Zhipu eingeführtes Agentenprodukt, das Mobiltelefonbildschirme und Computerbrowser bedienen kann. Der entscheidende Punkt ist, dass die Implementierungsmethode die grafische Front-End-Schnittstelle (GUI) und nicht die Back-End-Anwendungsschnittstelle (API) ist. Sie können verstehen, dass AutoGLM vom Menschen lernt, durch „Hand-Auge-Nutzung“ direkt auf der Benutzeroberfläche zu agieren. Dies unterscheidet sich hinsichtlich der Interaktion erheblich von den meisten API-basierten Agentenprodukten auf dem Markt.

Die Fähigkeit zu denken ermöglicht es der KI, wie der Name schon sagt, gleichzeitig zu denken und zu suchen, autonom offene Probleme zu lösen, die nicht im Trainingskorpus enthalten sind, und die Fähigkeit zu imitieren, tief zu denken und tiefgreifende Forschung zu demonstrieren. Als ChatGLM Anfang März dieses Jahres eine neue Finanzierungsrunde erhielt, gab es bekannt, dass es Shensi entwickelt, und der Schalter für diese Funktion wurde auch in dem vom Unternehmen entwickelten Großmodellprodukt „ChatGLM“ eingeführt.

Im Fall von AutoGLM Contemplation haben die einzigartige GUI-Agentenfunktion von Zhipu und die Kontemplationsfähigkeit, die die Menschen am meisten suchen und lieben, endlich eine Integration erreicht.

An diesem Tag der offenen Tür wurde auch die Modellbasis hinter AutoGLM Meditation offiziell veröffentlicht:

Das GLM-4-Air-0414-Basismodell verfügt über 32 Milliarden Parameter, aber seine Leistung reicht aus, um Modelle mit größeren Parametern wie DeepSeek-V3, R1 (670B) und Qwen 2.5-Max zu vergleichen.

Aufgrund der geringeren Anzahl von Parametern kann GLM-4-Air0414 jedoch schnell agentenartige Arbeiten ausführen, was eine Grundlage für die Verbesserung der Agentenfähigkeiten und die groß angelegte Implementierung bietet und in gewissem Umfang ein Testerlebnis für Endbenutzer gewährleistet.

Zhipu veröffentlichte außerdem das GLM-Z1-Air-Inferenzmodell, das achtmal schneller ist als DeepSeek-R1 (Aktivierung 37B), während die Kosten auf nur ein Dreißigstel des letzteren reduziert werden.

Dies ist auch ein Inferenzmodell, das auf Grafikkarten der Verbraucherklasse ausgeführt werden kann, was das Entwicklererlebnis erheblich verbessern kann.

Zhipu hat außerdem ein neues Kontemplationsmodell GLM-Z1-Rumination trainiert, das auf dem GLM-Z1-Modell basiert und Methoden zum Lernen der Selbstentwicklungsverstärkung verwendet, mit denen eine Netzwerksuche in Echtzeit, ein dynamischer Aufruf von Tools sowie eine eingehende Analyse und Selbstverifizierung durchgeführt werden können. Dieses Kontemplationsmodell kann Benutzerbedürfnisse unabhängig verstehen, die Argumentation kontinuierlich optimieren, Hypothesen in komplexen Aufgaben wiederholt überprüfen und überarbeiten und so Forschungsergebnisse zuverlässiger und praktischer machen.

Das heißt: Die grundlegende Modellarchitektur von AutoGLM ist wie folgt:

Mittlere Denk- und Kontemplationsmodelle GLM-Z1-Air, GLM-Z1-Rumination

+

Das zugrunde liegende Sprachmodell GLM-4-Air-0414

In Verbindung mit den AutoGLM-Tools auf Engineering-/Produktebene wird der gesamte Technologie-Stack von AutoGLM abgedeckt.

Zhipu plant außerdem, am 14. April alle Modelle hinter AutoGLM Meditation offiziell als Open Source zu veröffentlichen.

Zhipu hat zuvor die Einschätzung des Teams zur AGI-Roadmap geteilt: Wenn wir die Ebene des autonomen Fahrens als Analogie verwenden, haben die aktuellen Großmodellprodukte im Allgemeinen die Fähigkeit erworben, selbst zu lernen, nahe bei L3; während sich die Fähigkeiten wie Kontemplation, Reflexion und Selbstkritik auf der L4-Stufe befinden.

Es ist zu beachten, dass sich AutoGLM Meditation derzeit noch in der Beta-Testphase befindet. Letztes Wochenende hat APPSO dieses Produkt intensiv eingesetzt. Den Testergebnissen zufolge gibt es bei der Bewältigung komplexer Aufgaben tatsächlich Verbesserungspotenzial und auch die zugrunde liegende Logik muss optimiert werden. Da es sich jedoch um ein sehr neuartiges, großes Modellagentenprodukt handelt, ist der Gesamteffekt bereits erstaunlich.

Zhipu hat die L4-Stufe eines großen Modelagenten betreten, obwohl er erst einen halben Fuß von der Tür entfernt ist.

Derzeit wurde die Meditationsfunktion von AutoGLM offiziell auf der Zhipu Qingyan-Webseite, auf der PC-Seite und in der mobilen App eingeführt und ist für die Öffentlichkeit kostenlos und unbegrenzt zugänglich.

Angehängte Erfahrung

https://autoglm-research.zhipuai.cn/?channel=chatglm#get_started

Wenn der Agent meditieren kann, lernt die KI dann endlich, selbstständig zu arbeiten?

Letztes Jahr veröffentlichte Anthropic „Computer Use“, das auch ausreichende Modellfähigkeiten und starke Fähigkeiten zur Geräteinteraktion demonstrierte, sodass die Idee des Agenten (intelligent) erstmals endlich in die Praxis umgesetzt werden konnte. Im Januar dieses Jahres interpretierte auch Anthropics größter Konkurrent in den USA, OpenAI, das GUI-Agent-Konzept durch sein neues Produkt Operator.

Ebenfalls im Oktober letzten Jahres veröffentlichten Zhipu und Anthropic fast gleichzeitig ihre neuesten Versuche in Richtung Agent. AutoGLM von Zhipu ist das erste GUI-basierte Agentenprodukt, das von einer inländischen Institution auf den Markt gebracht wurde.

Die heutige AutoGLM-Meditation bringt nicht nur die Aufgabenausführungsfunktionen des Agenten auf den Desktop, sondern integriert erstmals auch Tool-Bedienungsfunktionen, tiefgreifende Recherchefunktionen, Argumentationsfunktionen und umfangreiche Vorhersagefunktionen.

Dieser auf mehreren Funktionen basierende Agent eignet sich sehr gut zum Abrufen, Verfeinern und Zusammenfassen von Informationen.

Das ist, als würde man einen Agenten „fahren“ lassen. Früher musste man ihm ein Auto geben, ihm den Umgang mit Lenkrad, Gaspedal, Bremse und Gangschaltung beibringen und ihm sogar sagen, wo er beim Fahren und Rückwärtsfahren achten muss – jetzt kann der Agent „autonom fahren“.

Lassen Sie es einen „zweiwöchigen Nischenklassiker-Reiseführer für Japan erstellen, der sich von allen Mainstream-Routen im Internet unterscheidet. Es erfordert absolut nicht, die beliebtesten Reiseziele anzusteuern, sondern Nischenattraktionen, aber es muss auch gute Kritiken haben.“

AutoGLM Shensi hat die Nachfrage genauer zerlegt und die Denklogik war relativ klar: Zuerst wurde nach dem einfachsten Schlüsselwort „Japan-Reise“ gesucht, um die Mainstream-Routen und -Attraktionen zu verstehen, und dann nach Schlüsselwörtern wie „Japanische Nischen-Touristenattraktionen“ gesucht – durch diese Schritte baute es im Gedächtnis dieses Gesprächs eine Wissensbasis auf, das heißt, was Mainstream und was Nische ist.

Insgesamt habe ich mehr als 20 Überlegungen zu dieser Aufgabe angestellt. Manchmal gibt es Duplikate zwischen mehreren Gedanken, z. B. der Suche nach denselben Schlüsselwörtern, dem Besuch derselben oder ähnlicher Links usw. Dies kann daran liegen, dass die in einer einzigen Suche erhaltenen Informationen nicht ausreichen. Schließlich besteht die Essenz der Kontemplation/tiefen Suche darin, ständig an sich selbst zu zweifeln und sich selbst zu überfordern und erst dann mit dem nächsten Schritt fortzufahren, wenn genügend Selbstvertrauen erreicht ist.

APPSO stellte außerdem fest, dass es sich etwas zu sehr auf bestimmte Websites als Informationsquellen verließ. 90 % aller geöffneten Tabs waren Xiaohongshu und Zhihu (jeweils etwa die Hälfte). Im Gegenteil, echte professionelle Reisedatenbanken wie Mafengwo, Qyer.com oder sogar OTA-Plattformen wurden noch nie genutzt.

Wenn Sie einen echten Nischenführer erstellen möchten, ist das Ergebnis einer starken Abhängigkeit von Xiaohongshu möglicherweise nicht ideal. Schließlich steht es auf den beliebten Notizen von Xiaohongshu, daher sollte diese Attraktion eigentlich keine Nische sein. Ein echter Reisender mit Nischenattraktionen möchte wahrscheinlich nicht an Orte gehen, an denen Momos bereits waren oder gehen möchten …

APPSO stellte fest, dass AutoGLM Shen Si nach gründlicher Überlegung Anforderungen wie „vernünftige Routenplanung, keine bedeutungslosen Kurven und Wendungen“ und „angemessenes Tempo der Reise, keine zu besonderen Kräfte“ vorbrachte.

Es ist nur so, dass die tatsächlichen Ergebnisse nicht den gestellten Anforderungen entsprachen: Beispielsweise pendelte es in den ersten Tagen im Seto-Binnenmeer hin und her und flog manchmal an einem Tag zwei oder drei Orte an, die mehr als eine Stunde voneinander entfernt waren, ein bisschen wie Spezialeinheiten; In der zweiten Woche flog es von Aomori nach Süden nach Sendai und dann von Sendai nach Norden nach Hokkaido und blieb nur zwei Tage in Hokkaido. Wenn man bedenkt, dass die meisten Fernreisen in Japan auf JR angewiesen sind und die Fahrpreise teuer sind, sollte es eine vernünftige Route sein, in eine Richtung zu fahren, ohne umzukehren. Sofern Sie zum Umsteigen nicht in eine Großstadt fahren müssen, sollten Sie generell nicht umkehren.

Aber im Großen und Ganzen ist dieser Reiseführer effektiv: Er stellt einige Reiseziele vor, die der Fragesteller nicht in Betracht gezogen hat, und versucht außerdem, auf einer Reise Orte mit völlig unterschiedlichen Jahreszeiten, Klimazonen und Stilen zu erreichen (anstatt im Großraum Tokio, am Fujisan und in der Keisana-Region hin und her zu reisen).

Aus dieser Perspektive folgt es den Aufforderungen und zeigt die Ergebnisse tiefgreifenden Denkens.

Genauso wie Sie die von der KI generierten Ergebnisse nicht direkt nutzen sollten, bietet dieser Leitfaden Reisenden eine ziemlich gute Grundlage für die Optimierung bestimmter Reiseziele, Routen und Zwischentransportmethoden. Beim Reisen geht es nicht nur darum, in den Bus zu steigen, zu schlafen und auszusteigen, um Fotos zu machen. Es sollte auch Rücksicht auf Mensch und Natur nehmen, in lokale kulturelle Traditionen eintauchen, Naturlandschaften erkunden und zumindest eines der einzigartigsten lokalen Erlebnisse erleben.

Solange Ihre Erwartungen nicht übertrieben sind, sind die Antworten von AutoGLM Musings zufriedenstellend genug.

Klicken Sie hier, um die Antwort von Zhipu Qingyan anzuzeigen: https://chatglm.cn/share/FQoLp

In Anbetracht der Tatsache, dass der größte Unterschied zwischen AutoGLM Contemplation und anderen tief denkenden großen Modellen die Browser-Steuerungsfähigkeit ist, hat APPSO auch seine Browser-Nutzungsfähigkeiten gründlicher und strenger getestet.

Lassen Sie es im Science and Technology Innovation Board einen Forschungsbericht über Cloud-Computing-Unternehmen erstellen und sehen Sie sich die Ergebnisse an.

Genau wie beim vorherigen Reiseführer gibt es bei AutoGLM kein Problem mit dem meditativen „Denkprozess“. Wie Sie auf dem Bild unten sehen können, ist es:

1. Die Filterbedingungen genau zerlegt,
2. Erfordert eindeutig mehrere Such- und Iterationsrunden.
3. Einen Schritt-für-Schritt-Plan entwickelt,
4. Das ungefähre Suchziel wurde über „Allgemeine Suche“ gefunden.
5. Beginnen Sie mit der Schritt-für-Schritt-Anleitung

Aber der Browser-Nutzungsprozess ist wirklich etwas verwirrend: Das AutoGLM-Tool versucht immer wieder, die von der China Securities Regulatory Commission benannte Website zur Offenlegung von Informationen (Juchao Information) zu öffnen und die Informationen auf der Webseite zu analysieren. Das bedingte Filtertool der Website-Datenbank wurde erfolgreich gefunden, konnte jedoch immer nicht richtig filtern. Entweder konnte der Zeitbereich nicht korrekt ausgewählt werden oder das Dropdown-Menü für den entsprechenden Abschnitt konnte nicht gefunden werden.

APPSO stellte fest, dass die Dauer jedes Schritts der AutoGLM-Meditation normalerweise etwa 3 Minuten und 20 Sekunden beträgt. Wenn der Zugriff auf die Website jedoch nicht reibungslos verläuft, schlägt das „Umdenken“ fehl, da der Vorgang abläuft.

Basierend auf den früheren Erfahrungen von APPSO mit AutoGLM und anderen GUI-Agent-Produkten des letzten Jahres kann der Agent außerdem anhalten und auf Benutzervorgänge warten, wenn Benutzer sensible Vorgänge wie Anmelden, Eingeben von Zahlungsinformationen und Klicken auf die Schaltfläche „Senden“ ausführen müssen. Während AutoGLM zum Nachdenken verwendet wird, kann es zwar darauf warten, dass sich der Benutzer anmeldet, aber wenn es auf die Situation „Ich verstehe die Website nicht“ stößt, ruft es den Benutzer nicht zur Übernahme auf, sondern wartet einfach dumm.

Bei dieser Aufgabe begann die AutoGLM-Meditation nach zwei aufeinanderfolgenden Runden gescheiterten Denkens in einen zyklischen Prozess des Umdenkens einzutreten – derselbe wie das vorherige Denken, das zum Scheitern führte – und dann des Umdenkens. Es wurde fünf oder sechs Mal wiederholt und verlor schließlich und richtete sein Ziel auf Zhihu. Wenn die Schritte hier ausgeführt werden, wird die Aufgabe tatsächlich als gescheitert betrachtet, da die ursprünglich eingegebene Anweisung darin besteht, aufgelistete Unternehmensinformationen und Ankündigungen zu finden und zusammenzufassen. Die professionelle Genauigkeit der Daten ist sehr wichtig und Zhihu ist keine zuverlässige Plattform zur Offenlegung von Informationen für börsennotierte Unternehmen.

Nach mehreren schwierigen Tests wurden schließlich die Ergebnisse enthüllt: Obwohl drei Unternehmen, Huawei, Unisplendour und UCloud, alle mit Edge Computing zu tun haben, sind die Aktiencodes der drei Unternehmen alle falsch, ganz zu schweigen davon, dass zwei von ihnen nicht im Science and Technology Innovation Board gelistet sind.

Die Fähigkeit des Agenten zum „autonomen Fahren“ hat viel mit den Straßenverhältnissen und der Fahrposition zu tun

Neben anderen „einfacheren“ Aufgaben (wie Reiseplanung, Spielführer, Suche nach einfachen Informationen usw.) stellt die Browser-Nutzungsfähigkeit des AutoGLM-Tools kein großes Problem dar.

APPSO stellte jedoch fest, dass das AutoGLM-Tool leicht „stolpern“ kann, sobald das visuelle Design der aktuellen Website relativ komplex ist oder das Design einige Fallstricke aufweist.

Eines der direktesten Beispiele sind E-Commerce-Websites. APPSO erinnerte deutlich: „Gehen Sie zu Taobao oder JD.com, um ein schweres japanisches T-Shirt zu kaufen.“ AutoGLM dachte nach und formulierte einen großen Plan und eine klare Arbeitsteilung – aber es konnte nicht einmal das Bergtor von Taobaos Homepage betreten und nicht einmal das Suchfeld finden. Und es scheint durch die Funktion „Suchfeld nicht gefunden“ vollständig blockiert zu sein, und es sucht nicht einmal nach anderen Stellen auf der Webseite – wenn es nachgeschaut hätte, hätte es definitiv festgestellt, dass verwandte Produkte bereits in den Empfehlungen auf der Startseite erschienen sind.

Zu der unerwarteten Situation, die bei diesem Test entdeckt wurde, sagte Zhang Peng, CEO von Zhipu: „Man kann sich beim Auswendiglernen von Klicks nicht auf die Gesellschaft verlassen.“ AutoGLM befindet sich noch im Beta-Stadium, es gibt noch viel Raum für Weiterentwicklung und die aktuelle Upgrade-Geschwindigkeit ist auch sehr hoch (APPSO hat den Nutzungseffekt von Taobao an der offiziellen Release-Version getestet, was nicht mehr so ​​stolpernd ist).

Zhang Peng wies darauf hin, dass im Rahmen des Konzepts „Modell als Dienstleistung oder als Produkt“ (MaaS) die Fähigkeiten des Modellprodukts selbst so hoch und umfassend sein sollten wie ein Holzfass. Möglicherweise sind die visuellen Fähigkeiten des aktuellen AutoGLM-Tools nicht so gut wie die des Menschen und seine Fähigkeit, mit unerwarteten Situationen umzugehen, reicht nicht aus. Letztlich kann es sein, dass seine Generalisierungsfähigkeiten nicht ausreichen. Die Verbesserung dieser Fähigkeiten ist jedoch kein Modellproblem, sondern eine rein technische Ebene – kein Grund zur Sorge.

Auch auf der Modellbasisebene gibt es bei AutoGLM Contemplation Raum für Verbesserungen.

Freunde, die häufig große Sprachmodellprodukte verwenden, wissen: Je spezifischer die Eingabeaufforderungen geschrieben und je klarer die Regeln und Grenzen festgelegt sind, desto besser ist der Effekt und desto wahrscheinlicher ist es, dass Ergebnisse generiert werden, die den Benutzeraufforderungen entsprechen. Das Gleiche gilt für Agenten, die auf großen Sprachmodellen basieren.

Aber die Eingabeaufforderungen können nicht unendlich erweitert werden. Genauso wie wenn Sie eine Sekretärin eingestellt haben, die Ihnen bei Ihrer Arbeit hilft, sollten Sie nicht immer alle Informationen wie „nach wem Sie suchen“, „wohin“, „wann“ und „wohin gehen“ jedes Mal klar erklären, damit sie Ihnen bei der reibungslosen Zubereitung einer Mahlzeit helfen kann.

Das große Sprachmodell ist sehr leistungsfähig, hat aber auch seine Nachteile: Es wird nur durch Textregeln eingeschränkt und es fehlt ihm die Fähigkeit, echte praktische Probleme zu planen, sodass es leicht ist, während der Aufgabe stecken zu bleiben; es fehlt ein ausreichend langer Kontextspeicherplatz und die Aufgabe kann nicht fortgesetzt werden, wenn sie zu lange dauert; Der Fehler im vorherigen Schritt wird sich mit den Schritten allmählich verstärken, bis er fehlschlägt.

AutoGLM ist ebenfalls ein Agent, der auf einem großen Sprachmodell basiert. Obwohl viel an den Fähigkeiten des Agenten gearbeitet wurde, ist er immer noch unweigerlich durch das große Sprachmodell beeinträchtigt. Je stärker Ihre Denkfähigkeit ist, desto leichter fällt es Ihnen, zu viel und falsch zu denken.

Aus dem Testprozess von APPSO können wir ersehen, dass es bis auf einige absolut grundlegende Konzepte (wie „Reise“, „T-Shirt“, „Firma“) keine etwas komplizierten Kenntnisse auf höherer Ebene gibt. Jedes Mal, wenn der Benutzer einen Befehl ausgibt, muss er zunächst den Browser öffnen, online studieren, klären, worauf sich der Benutzer bezieht, und innerhalb des begrenzten Speicherplatzes dieser Konversation eine Wissensdatenbank aufbauen, bevor er mit den folgenden Schritten fortfahren kann.

Gemessen an den wenigen Informationsquellen, in denen es derzeit am besten ist und auf die es sich verlässt, ist es, sobald die Komplexität und Professionalität der Benutzeraufgaben „an Intensität zunimmt“, wirklich ein wenig zurückhaltend, innerhalb der für Benutzer akzeptablen Zeit echte, genaue und wertvolle Informationen zu finden (das derzeitige offizielle Limit liegt bei insgesamt etwa 15 Minuten pro Aufgabe), geschweige denn, Benutzern effektive Ergebnisse zu liefern (die Hälfte der APPSO-Tests konnten keine vollständigen Ergebnisse liefern).

Aber das ist kein allzu großes Problem.

Es gibt einen solchen praktischen Standpunkt, der auf die AutoGLM-Meditation angewendet werden kann:

Bei der heutigen Agentenebene reicht es möglicherweise nicht aus, ihn als „Haupttreiber“ zu betrachten. Aber es ist immer noch ein guter Copilot.

In AutoGLM Contemplation haben wir eine ausreichende Denkfähigkeit und eine hervorragende Fähigkeit zur Browsernutzung gesehen (dies hängt jedoch tatsächlich von objektiven Faktoren ab). Offensichtlich wird Zhipu als einer der wenigen Spieler mit den stärksten Modellfähigkeiten unter den derzeitigen Nicht-Riesenunternehmen Chinas diese beiden Fähigkeiten auf jeden Fall weiter verbessern, und zwar sehr schnell.

Seit APPSO die Testqualifikation erhalten hat und AutoGLM Sisi offiziell veröffentlicht wurde, wurden mehrere Versionen aktualisiert und Verbesserungen an der Modellbasis und den Browsersteuerungsfunktionen vorgenommen.

Aber wenn wir einen Agenten wollen, der wirklich denken und Dinge tun kann, brauchen wir wahrscheinlich eine mächtigere Agentenbasis als das große Sprachmodell des aktuellen Paradigmas.

Das von Zhipu eingeführte Agenten-Framework „Sprache + Argumentation + Kontemplation + Aktion“ scheint eine sehr klare und realisierbare Richtung zu sein, obwohl es auf Produktebene immer noch ungeschickt ist.

Es stimmt, dass es für im Inland produzierte Großmodelle und Agentenprodukte, die auf Großmodellen basieren, möglicherweise praktischer ist, wenn das aktuelle Ziel darin besteht, „mit den Konkurrenten aus dem Silicon Valley gleichzuziehen“. AutoGLM ist eine „neue Spezies“, die sich hinsichtlich der Betriebslogik und des Implementierungszwecks offensichtlich von allen ähnlichen und ähnlichen Produkten in China unterscheidet. Es nähert sich auch Anthropic und OpenAI an.

Für einen so großen Innovationsführer, der kein Riese ist, sondern aus Chinas Spitzenuniversitäten hervorgegangen ist, können die meisten Mängel toleriert werden, aber es ist wichtiger, die Originalität und Führungsstärke seiner Arbeit zu erkennen.

# Willkommen beim offiziellen öffentlichen WeChat-Konto von Aifaner: Aifaner (WeChat-ID: ifanr). Weitere spannende Inhalte werden Ihnen so schnell wie möglich zur Verfügung gestellt.

Ai Faner | Ursprünglicher Link · Kommentare anzeigen · Sina Weibo