GLM-4 开源发布：9B 模型性能超越 Llama-3
1 月 16 日，智谱 AI 技术开放日（Zhipu DevDay）推出了新一代基座大模型 GLM-4。在距今不到 5 个月的时间里，该系列模型正式开源，引发了业界的广泛关注。
本次开源的核心是 GLM-4-9B 模型及其人类偏好对齐版本 GLM-4-9B-Chat。在语义理解、数学推理、代码生成及知识问答等多方面的数据集测评中，GLM-4-9B 表现出超越 Llama-3-8B 的卓越性能。
模型特点
基础与对话能力
- 多轮对话：GLM-4-9B-Chat 支持流畅的多轮上下文交互。
- 长文本推理：原生支持最大 128K 上下文的长文本处理，能够精准定位关键信息。
- 超长上下文：推出了支持 1M 上下文长度（约 200 万中文字符）的 GLM-4-9B-Chat-1M 模型。
高级功能
- 网页浏览与代码执行：具备联网搜索和代码解释器能力，可解决复杂任务。
- 自定义工具调用：支持 Function Call，方便集成第三方 API 或本地工具。
- 多语言支持：涵盖日语、韩语、德语等 26 种语言。
多模态能力
- GLM-4V-9B：基于 GLM-4-9B 构建的多模态模型。
- 高分辨率：支持 1120 * 1120 分辨率下的中英双语多轮对话。
- 评测表现：在中英文综合能力、感知推理、文字识别、图表理解等方面，表现优于 GPT-4-turbo-2024-04-09、Gemini 1.0 Pro、Qwen-VL-Max 和 Claude 3 Opus。
开放模型列表
| 模型名称 | 类型 | 上下文长度 |
|---|---|---|
| GLM-4-9B | 基础模型 | 8K |
| GLM-4-9B-Chat | 对话模型 | 128K |
| GLM-4-9B-Chat-1M | 对话模型 | 1M |
| GLM-4V-9B | 多模态模型 | 8K |
评测结果摘要
- 对话模型：在多个典型任务指标上超越了 Llama-3-8B-Instruct 和 ChatGLM3-6B。
- 长文本能力：在 LongBench-Chat 基准测试中表现优异，展现了强大的信息检索与总结能力。
- 多语言能力：在多语言数据集上展现了良好的泛化性能。
- 工具调用：在 Berkeley Function Calling Leaderboard 上取得高分，API 调用准确率高。
- 多模态评测：在视觉理解相关任务上超越了主流闭源模型。
部署与使用指南
环境准备
推荐使用 Python 3.8+ 环境，并安装必要的依赖库。
