---

前言

隨著人工智能技術的飛速發展，大型預訓練語言模型已成為推動行業進步的重要力量。它們在理解自然語言、生成文本、執行復雜任務等方面展現出驚人的能力。在此背景下，國產大模型GLM-4的問世，不僅展現了中國在AI領域的實力，也為國內外研究者和開發者提供了新的研究與應用平臺。

一、GLM4大模型總體概述

北京時間2024年1月16日，標志著國內人工智能重要進展的一刻，清華智譜AI在舉辦 developers 大會時，向公眾介紹了全新一代的基座模型——GLM-4。這一模型不僅性能卓越，更加入了創新的“ALL Tools”功能，同時發布了配套工具GLMS和API接口GLM-4-API，并啟動了GLM-4Assistant API的邀請內測，體現了其在多方面的應用潛力。
1）模型功能方面：新一代的GLM-4是一個長文本多模態的大模型，具有128K的長對話上下文長度，支持豐富的應用如圖文互譯、自動代碼執行、聯網操作以及穩定的全自動Function call。這些特性使得GLM-4成為一個多功能且強大的智能系統
2）模型性能方面：GLM-4的整體性能相比前代GLM-3有了顯著提升，提升了60%，其綜合能力已接近世界頂尖模型Gemini Ultra和GPT-4，特別是在中文處理能力上甚至超越了GPT-4，堪稱國產版的GPT-4。

二、GLM4和GPT4功能對比

GLM-4擁有類似ChatGPT ALL Tools功能，可以識別用戶意圖，靈活調用不同功能可以根據人類意圖，靈活調用CoaView3進行繪圖與修改、調用代碼解釋器完成復雜計算、調用Function cal來調用外部工具AP1、聯網、以及多工具組合調用;
目前ALL Tools功能只能在智譜清言中使用，暫時無法通過調用API實現，估計之后會在GLM AssistantAPI中實現
智譜清言

三、GLM4和GPT4性能對比

在各項評測中，GLM-4的性能表現幾乎達到GPT-4的95%，尤其在中文對齊能力方面有著超越的表現。無論是基礎能力（英文）、指令跟隨能力、對齊能力還是長文本處理能力，GLM-4都顯示出了與GPT-4相匹敵甚至超越的水平。此外，在多模態文生圖方面，GLM-4也表現出色，與DALLE3相當。

1、基礎能力（英文）

GLM-4 在 MMLU、GSM8K、MATH、BBH、HellaSwag、HumanEval 等數據集上，分別達到 GPT-4 94%、95%、91%、99%、90%、100%的水平。

2、指令跟隨能力

GLM-4 在 IFEval 的 prompt 級別上中、英分別達到 GPT-4 的88%、85%的水平，在 Instruction 級別上中、英分別達到 GPT-4 的90%、89%的水平。

3、對齊能力

GLM-4 在中文對齊能力上整體超過 GPT-4。

4、長文本能力

我們在 LongBench（128K）測試集上對多個模型進行評測，GLM-4 性能超過 Claude 2.1；在「大海撈針」（128K）實驗中，GLM-4 的測試結果為 128K 以內全綠，做到100%精準召回。

5、多模態-文生圖

CogView3 在文生圖多個評測指標上，相比 DALLE3 約在 91.4% ~99.3%的水平之間。

四、GLM-4 ALL Tools

GLM-4能夠根據用戶的指令自主理解和規劃任務，自由調用網頁瀏覽器、代碼解釋器和多模態文生圖等工具完成復雜任務。這包括基于上下文的AI繪畫創作、復雜計算任務的自動代碼執行、高效的網頁信息檢索等。此外，GLM-4還支持多工具的自動調用，進一步提高了處理復雜問題的能力。

簡單來講，即只需一個指令，GLM-4 會自動分析指令，結合上下文選擇決定調用合適的工具。

1、文生圖

利用CogView3，GLM-4不只是能夠生成圖像，它還可以根據用戶提供的詳細文本描述進行創作。更為驚人的是，它可以在多次迭代中接受用戶的反饋，實時調整圖像細節，直至用戶滿意為止。這一過程涉及到復雜的視覺理解與圖像生成技術，而GLM-4能夠無縫地完成這一切。

2、代碼解釋器

GLM-4 能夠通過自動調用 python 解釋器，進行復雜計算（例如復雜方程、微積分等），在 GSM8K、MATH、Math23K 等多個評測集上都取得了接近或同等 GPT-4 All Tools 的水平。

通過內置的代碼解釋器，GLM-4可以執行復雜的程序代碼。無論是高級的數據分析任務還是需解決特定數學問題的算法，GLM-4都能提供開箱即用的解決方案。此外，它還能夠處理多線程和復雜控制流，這使得它能夠應對實際開發中的復雜場景。

3、網頁瀏覽

GLM-4 能夠自行規劃檢索任務、自行選擇信息源、自行與信息源交互，在準確率上能夠達到 78.08，是 GPT-4 All Tools 的116%。

GLM-4的網頁瀏覽功能使它成為一個強大的信息檢索工具。模型可以自主地在互聯網上搜索信息、篩選相關數據，并直接與網頁內容交云，從而提供最新最準確的信息響應用戶查詢。

4、Function Call

GLM-4 能夠根據用戶提供的 Function 描述，自動選擇所需 Function 并生成參數，以及根據 Function 的返回值生成回復；同時也支持一次輸入進行多次 Function 調用，支持包含中文及特殊符號的 Function 名字。這一方面 GLM-4 All Tools 與 GPT-4 Turbo 相當。

通過Function Call功能，GLM-4可以接受一個函數的描述，然后自動找到對應的函數并產生恰當的參數來執行它。這意味著即使用戶不具備編程知識，也能夠利用GLM-4完成一系列專業任務。此外，對于需要多次執行的命令，GLM-4支持批量處理，極大提高了效率。

5、多工具自動調用

在處理一些需要綜合利用多種工具才能解決的問題時，GLM-4展現了其卓越的聯合作戰能力。例如，一個復雜的問題可能需要網絡搜索獲取信息、代碼解釋器計算結果以及文生圖來制作圖表展示。GLM-4可以流暢地在這些工具之間切換，無需用戶進行任何額外的操作或指令輸入，所有的工作都在后臺自動完成。

五、開發者平臺對比

GPT有提供給開發人員使用的API開發者平臺，我們注冊后可以進行ChatGPT的體驗，獲取API KEY調用相關API，實現自己的AI應用開發。

為了方便開發者利用這些高級功能，清華智譜提供了MaaS開放平臺，類似于OpenAI的API開發者平臺。對于國內用戶而言，GLM的平臺更為便捷，不受網絡限制。

六、大模型生態對比

清華智譜在生態上基本上完全對標OpenAI來打造的，例如有對標ChatGPT的智譜清言，有對標GPT4的GLM4; 也有對比GPTs的GLMs，另外GLM也有開發自己的Store，以及后面推出GLM4-Assistant API。

智譜清言	OpenAI
GLM-4	GPT-4
GLMs	GPTs
GLM Store	GPT Store
GLM-4 Assistant API	OpenAI Assistant API

七、開放平臺注冊使用

開放平臺的注冊過程簡單明了，用戶注冊后，并獲得初始的API KEY。新用戶會獲得一定額度的免費token，以便測試和使用。充值也極為方便，支持微信和支付寶支付。此外，開放平臺上還有知識庫和應用中心等功能，允許用戶上傳自己的知識庫，并在無代碼的環境中開發應用。體驗中心則可以讓用戶直接體驗大模型的功能，進行實際的對話和測試。

1、賬號注冊

首先，用戶需要通過https://open.bigmodel.cn/login訪問開放平臺的注冊頁面。這個過程非常直觀和友好，不需要特殊的網絡技巧，確保了國內外的用戶都能輕松進入。完成注冊后，用戶將獲得一個賬戶，這是開啟GLM-4之旅的第一步。

2、生成API KEY

擁有賬戶后，用戶登錄平臺并自動獲得一個獨一無二的API KEY，這是調用GLM-4 API的憑證。如果需要，用戶還可以在賬戶設置中生成更多的API KEY，或對已有的KEY進行管理，以滿足不同開發環境和場景的需要。

3、額度查看

開放平臺為用戶提供了一個初始的免費token額度，讓用戶能夠體驗GLM-4的功能而無需擔心費用。一旦用戶的免費額度用完，可以通過微信或支付寶等便捷的支付方式進行充值，這既方便又安全。

4、知識庫

知識庫是應用開發的核心，尤其是在構建智能問答系統時。開放平臺向用戶提供了易于操作的界面來上傳和管理自己的知識庫。這些知識庫可以包含結構化數據、文檔、圖片等，用于訓練模型或增強其回答質量。

知識庫準備：自己本地整理一個word或者PDF的問答類的知識庫信息，如下：

5、應用中心

在應用中心，用戶可以發現如何無代碼創建自己的AI應用。平臺提供了詳細的指導和模板，使得即便是沒有編程背景的用戶也能夠利用GLM-4的能力，打造個性化的AI服務。

比如我們前面很多篇章中講到的知識庫應用；提前準備好知識庫；填寫好相關機器人應用的信息，即可在體驗中心進行體驗使用。

6、體驗中心

為了測試和展示大模型的能力，體驗中心提供了多種預設的場景和應用示例。用戶可以直接與GLM-4進行互動，體驗它的多功能性。同時，用戶也可以從體驗中心切換到自己定制的應用，實時觀察和評估它們的性能。
同時在體驗中心，我們可以體驗大模型的功能，進行對話聊天；也可以從右側菜單欄中，切換為應用

切換為應用后，就可以看到我們前面自己創建的額“問答測試機器人了”，可以直接進行體驗測試；另外也可以在右邊欄中查看關聯的知識庫情況。

7、知識庫應用測試

當用戶基于自己的知識庫對模型進行提問時，可以準確評估GLM-4對于特定信息的處理能力。這種測試不僅可以用來檢驗模型的效果，還能夠幫助用戶理解和改善知識庫的結構和內容，以獲得更優的用戶體驗。
對自己前面上傳的知識庫，進行問答測試，發現精準度還是非常高的。

八、API簡單測試

安裝依賴

pip install --upgrade zhipuai

請求示例

from zhipuai import ZhipuAI
client = ZhipuAI(api_key="") # 填寫您自己的APIKey
response = client.chat.completions.create(model="glm-4",  # 填寫需要調用的模型名稱messages=[{"role": "user", "content": "作為一名營銷專家，請為智譜開放平臺創作一個吸引人的slogan"},{"role": "assistant", "content": "當然，為了創作一個吸引人的slogan，請告訴我一些關于您產品的信息"},{"role": "user", "content": "智譜AI開放平臺"},{"role": "assistant", "content": "智啟未來，譜繪無限一智譜AI，讓創新觸手可及!"},{"role": "user", "content": "創造一個更精準、吸引人的slogan"}],
)
print(response.choices[0].message)

輸出：

{"created": 1703487403,"id": "8239375684858666781","model": "glm-4","request_id": "8239375684858666781","choices": [{"finish_reason": "stop","index": 0,"message": {"content": "智繪藍圖，AI驅動 —— 智譜AI，讓每一刻創新成為可能。","role": "assistant"}}],"usage": {"completion_tokens": 217,"prompt_tokens": 31,"total_tokens": 248}
}

總結

GLM-4的推出不僅是國產AI技術的一大飛躍，也為國內外的研究者和開發者提供了更多的可能性。其強大的功能和卓越的性能，無疑將在未來的AI領域中發揮重要作用。隨著開放平臺的不斷完善和大模型生態的逐漸成熟，我們有理由期待GLM-4將帶來更多的創新和應用。

🎯🔖更多專欄系列文章：AIGC-AI大模型探索之路

如果文章內容對您有所觸動，別忘了點贊、?關注，收藏！加入我，讓我們攜手同行AI的探索之旅，一起開啟智能時代的大門！