AI大模型探索之路-基础篇5：GLM-4解锁国产大模型的全能智慧与创新应用_glm大模型

---

前言

随着人工智能技术的飞速发展，大型预训练语言模型已成为推动行业进步的重要力量。它们在理解自然语言、生成文本、执行复杂任务等方面展现出惊人的能力。在此背景下，国产大模型GLM-4的问世，不仅展现了中国在AI领域的实力，也为国内外研究者和开发者提供了新的研究与应用平台。

一、GLM4大模型总体概述

北京时间2024年1月16日，标志着国内人工智能重要进展的一刻，清华智谱AI在举办 developers 大会时，向公众介绍了全新一代的基座模型——GLM-4。这一模型不仅性能卓越，更加入了创新的“ALL Tools”功能，同时发布了配套工具GLMS和API接口GLM-4-API，并启动了GLM-4Assistant API的邀请内测，体现了其在多方面的应用潜力。
1）模型功能方面：新一代的GLM-4是一个长文本多模态的大模型，具有128K的长对话上下文长度，支持丰富的应用如图文互译、自动代码执行、联网操作以及稳定的全自动Function call。这些特性使得GLM-4成为一个多功能且强大的智能系统
2）模型性能方面：GLM-4的整体性能相比前代GLM-3有了显著提升，提升了60%，其综合能力已接近世界顶尖模型Gemini Ultra和GPT-4，特别是在中文处理能力上甚至超越了GPT-4，堪称国产版的GPT-4。

二、GLM4和GPT4功能对比

GLM-4拥有类似ChatGPT ALL Tools功能，可以识别用户意图，灵活调用不同功能可以根据人类意图，灵活调用CoaView3进行绘图与修改、调用代码解释器完成复杂计算、调用Function cal来调用外部工具AP1、联网、以及多工具组合调用;
目前ALL Tools功能只能在智谱清言中使用，暂时无法通过调用API实现，估计之后会在GLM AssistantAPI中实现
智谱清言

三、GLM4和GPT4性能对比

在各项评测中，GLM-4的性能表现几乎达到GPT-4的95%，尤其在中文对齐能力方面有着超越的表现。无论是基础能力（英文）、指令跟随能力、对齐能力还是长文本处理能力，GLM-4都显示出了与GPT-4相匹敌甚至超越的水平。此外，在多模态文生图方面，GLM-4也表现出色，与DALLE3相当。

1、基础能力（英文）

GLM-4 在 MMLU、GSM8K、MATH、BBH、HellaSwag、HumanEval 等数据集上，分别达到 GPT-4 94%、95%、91%、99%、90%、100%的水平。

2、指令跟随能力

GLM-4 在 IFEval 的 prompt 级别上中、英分别达到 GPT-4 的88%、85%的水平，在 Instruction 级别上中、英分别达到 GPT-4 的90%、89%的水平。

3、对齐能力

GLM-4 在中文对齐能力上整体超过 GPT-4。

4、长文本能力

我们在 LongBench（128K）测试集上对多个模型进行评测，GLM-4 性能超过 Claude 2.1；在「大海捞针」（128K）实验中，GLM-4 的测试结果为 128K 以内全绿，做到100%精准召回。

5、多模态-文生图

CogView3 在文生图多个评测指标上，相比 DALLE3 约在 91.4% ~99.3%的水平之间。

四、GLM-4 ALL Tools

GLM-4能够根据用户的指令自主理解和规划任务，自由调用网页浏览器、代码解释器和多模态文生图等工具完成复杂任务。这包括基于上下文的AI绘画创作、复杂计算任务的自动代码执行、高效的网页信息检索等。此外，GLM-4还支持多工具的自动调用，进一步提高了处理复杂问题的能力。

简单来讲，即只需一个指令，GLM-4 会自动分析指令，结合上下文选择决定调用合适的工具。

1、文生图

利用CogView3，GLM-4不只是能够生成图像，它还可以根据用户提供的详细文本描述进行创作。更为惊人的是，它可以在多次迭代中接受用户的反馈，实时调整图像细节，直至用户满意为止。这一过程涉及到复杂的视觉理解与图像生成技术，而GLM-4能够无缝地完成这一切。

2、代码解释器

GLM-4 能够通过自动调用 python 解释器，进行复杂计算（例如复杂方程、微积分等），在 GSM8K、MATH、Math23K 等多个评测集上都取得了接近或同等 GPT-4 All Tools 的水平。

通过内置的代码解释器，GLM-4可以执行复杂的程序代码。无论是高级的数据分析任务还是需解决特定数学问题的算法，GLM-4都能提供开箱即用的解决方案。此外，它还能够处理多线程和复杂控制流，这使得它能够应对实际开发中的复杂场景。

3、网页浏览

GLM-4 能够自行规划检索任务、自行选择信息源、自行与信息源交互，在准确率上能够达到 78.08，是 GPT-4 All Tools 的116%。

GLM-4的网页浏览功能使它成为一个强大的信息检索工具。模型可以自主地在互联网上搜索信息、筛选相关数据，并直接与网页内容交云，从而提供最新最准确的信息响应用户查询。

4、Function Call

GLM-4 能够根据用户提供的 Function 描述，自动选择所需 Function 并生成参数，以及根据 Function 的返回值生成回复；同时也支持一次输入进行多次 Function 调用，支持包含中文及特殊符号的 Function 名字。这一方面 GLM-4 All Tools 与 GPT-4 Turbo 相当。

通过Function Call功能，GLM-4可以接受一个函数的描述，然后自动找到对应的函数并产生恰当的参数来执行它。这意味着即使用户不具备编程知识，也能够利用GLM-4完成一系列专业任务。此外，对于需要多次执行的命令，GLM-4支持批量处理，极大提高了效率。

5、多工具自动调用

在处理一些需要综合利用多种工具才能解决的问题时，GLM-4展现了其卓越的联合作战能力。例如，一个复杂的问题可能需要网络搜索获取信息、代码解释器计算结果以及文生图来制作图表展示。GLM-4可以流畅地在这些工具之间切换，无需用户进行任何额外的操作或指令输入，所有的工作都在后台自动完成。

五、开发者平台对比

GPT有提供给开发人员使用的API开发者平台，我们注册后可以进行ChatGPT的体验，获取API KEY调用相关API，实现自己的AI应用开发。

为了方便开发者利用这些高级功能，清华智谱提供了MaaS开放平台，类似于OpenAI的API开发者平台。对于国内用户而言，GLM的平台更为便捷，不受网络限制。

六、大模型生态对比

清华智谱在生态上基本上完全对标OpenAI来打造的，例如有对标ChatGPT的智谱清言，有对标GPT4的GLM4; 也有对比GPTs的GLMs，另外GLM也有开发自己的Store，以及后面推出GLM4-Assistant API。

七、开放平台注册使用

开放平台的注册过程简单明了，用户注册后，并获得初始的API KEY。新用户会获得一定额度的免费token，以便测试和使用。充值也极为方便，支持微信和支付宝支付。此外，开放平台上还有知识库和应用中心等功能，允许用户上传自己的知识库，并在无代码的环境中开发应用。体验中心则可以让用户直接体验大模型的功能，进行实际的对话和测试。

1、账号注册

首先，用户需要通过https://open.bigmodel.cn/login访问开放平台的注册页面。这个过程非常直观和友好，不需要特殊的网络技巧，确保了国内外的用户都能轻松进入。完成注册后，用户将获得一个账户，这是开启GLM-4之旅的第一步。

2、生成API KEY

拥有账户后，用户登录平台并自动获得一个独一无二的API KEY，这是调用GLM-4 API的凭证。如果需要，用户还可以在账户设置中生成更多的API KEY，或对已有的KEY进行管理，以满足不同开发环境和场景的需要。

3、额度查看

开放平台为用户提供了一个初始的免费token额度，让用户能够体验GLM-4的功能而无需担心费用。一旦用户的免费额度用完，可以通过微信或支付宝等便捷的支付方式进行充值，这既方便又安全。

4、知识库

知识库是应用开发的核心，尤其是在构建智能问答系统时。开放平台向用户提供了易于操作的界面来上传和管理自己的知识库。这些知识库可以包含结构化数据、文档、图片等，用于训练模型或增强其回答质量。

知识库准备：自己本地整理一个word或者PDF的问答类的知识库信息，如下：

5、应用中心

在应用中心，用户可以发现如何无代码创建自己的AI应用。平台提供了详细的指导和模板，使得即便是没有编程背景的用户也能够利用GLM-4的能力，打造个性化的AI服务。

比如我们前面很多篇章中讲到的知识库应用；提前准备好知识库；填写好相关机器人应用的信息，即可在体验中心进行体验使用。

6、体验中心

为了测试和展示大模型的能力，体验中心提供了多种预设的场景和应用示例。用户可以直接与GLM-4进行互动，体验它的多功能性。同时，用户也可以从体验中心切换到自己定制的应用，实时观察和评估它们的性能。
同时在体验中心，我们可以体验大模型的功能，进行对话聊天；也可以从右侧菜单栏中，切换为应用

切换为应用后，就可以看到我们前面自己创建的额“问答测试机器人了”，可以直接进行体验测试；另外也可以在右边栏中查看关联的知识库情况。

7、知识库应用测试

当用户基于自己的知识库对模型进行提问时，可以准确评估GLM-4对于特定信息的处理能力。这种测试不仅可以用来检验模型的效果，还能够帮助用户理解和改善知识库的结构和内容，以获得更优的用户体验。
对自己前面上传的知识库，进行问答测试，发现精准度还是非常高的。

八、API简单测试

安装依赖

pip install --upgrade zhipuai
1

请求示例

from zhipuai import ZhipuAI
client = ZhipuAI(api_key="") # 填写您自己的APIKey
response = client.chat.completions.create(
    model="glm-4",  # 填写需要调用的模型名称
    messages=[
        {"role": "user", "content": "作为一名营销专家，请为智谱开放平台创作一个吸引人的slogan"},
        {"role": "assistant", "content": "当然，为了创作一个吸引人的slogan，请告诉我一些关于您产品的信息"},
        {"role": "user", "content": "智谱AI开放平台"},
        {"role": "assistant", "content": "智启未来，谱绘无限一智谱AI，让创新触手可及!"},
        {"role": "user", "content": "创造一个更精准、吸引人的slogan"}
    ],
)
print(response.choices[0].message)
1
2
3
4
5
6
7
8
9
10
11
12
13

输出：

{
  "created": 1703487403,
  "id": "8239375684858666781",
  "model": "glm-4",
  "request_id": "8239375684858666781",
  "choices": [
      {
          "finish_reason": "stop",
          "index": 0,
          "message": {
              "content": "智绘蓝图，AI驱动 —— 智谱AI，让每一刻创新成为可能。",
              "role": "assistant"
          }
      }
  ],
  "usage": {
      "completion_tokens": 217,
      "prompt_tokens": 31,
      "total_tokens": 248
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

总结

GLM-4的推出不仅是国产AI技术的一大飞跃，也为国内外的研究者和开发者提供了更多的可能性。其强大的功能和卓越的性能，无疑将在未来的AI领域中发挥重要作用。随着开放平台的不断完善和大模型生态的逐渐成熟，我们有理由期待GLM-4将带来更多的创新和应用。