智谱AI 发布最新开源模型GLM-4-9B，通用能力超Llama-3-8B，多模态版本比肩G ...

自 2023 年 3 月 14 日开源 ChatGLM-6B 以来，GLM 系列模型受到广泛关注和认可。特别是 ChatGLM3-6B 开源以后，开发者对智谱AI 第四代模型的开源充满等待。
为了使小模型（10B 以下）具备更加强盛的能力，GLM 技术团队进行了大量探索工作。颠末近半年的探索，我们推出了第四代 GLM 系列开源模型：GLM-4-9B。
在预练习方面，我们引入了大语言模型进入数据筛选流程，终极得到了 10T 高质量多语言数据，数据量是 ChatGLM3-6B 模型的 3 倍以上。同时，我们接纳了 FP8 技术进行高效的预练习，相较于第三代模型，练习服从提高了 3.5 倍。在有限显存的环境下，我们探索了性能的极限，并发现 6B 模型性能有限。因此，在思量到大多数用户的显存大小后，我们将模型规模提升至 9B，并将预练习计算量增加了 5 倍。
综合以上技术升级和其他经验，GLM-4-9B 模型具备了更强盛的推理性能、更长的上下文处理能力、多语言、多模态和 All Tools 等突出能力。GLM-4-9B 系列模型包罗：底子版本 GLM-4-9B（8K）、对话版本 GLM-4-9B-Chat（128K）、超长上下文版本 GLM-4-9B-Chat-1M（1M）和多模态版本 GLM-4V-9B-Chat（8K）。
以下是 GLM-4-9B 的能力掠影：

具体性能如下：
底子能力

基于强盛的预练习基座，GLM-4-9B 的模型中英文综合性能相比 ChatGLM3-6B 提升了 40%，尤其是在中文对齐能力 AlignBench、指令遵从 IFeval、工程代码 Natural Code Bench 方面都取得了非常显著的提升。对比练习量更多的 Llama 3 8B 模型也没有逊色，英文方面有小幅领先，中文学科方面更是有着高达 50% 的提升。

长文本能力

GLM-4-9B 模型的上下文从 128K 扩展到了 1M tokens，这意味着模型能同时处理 200 万字的输入，大概相称于 2 本红楼梦大概 125 篇论文的长度。

GLM-4-9B-Chat-1M 模型在 1M 的上下文长度下进行了“大海捞针”实验，显现出了精彩的无损处理能力。

多语言能力

GLM-4-9B 支持包罗汉语、英语、俄语、西班牙语、德语、法语、意大利语、葡萄牙语、波兰语、日语、荷兰语、阿拉伯语、土耳其语、捷克语、越南语、波斯语、匈牙利语、希腊语、罗马尼亚语、瑞典语、乌克兰语、芬兰语、韩语、丹麦语、保加利亚语和挪威语在内的 26 种语言。
为了提升性能，我们将 tokenizer 的词表大小从 65k 扩充到了 150k，这一改进使得编码服从提高了 30%。在多语言能力方面，我们在六个差别的多语言明白和天生数据集上进行了测试，效果表现 GLM-4-9B-Chat 显著超越 Llama-3-8B-Instruct。具体评测效果如下：

Function Call 能力

ChatGLM3-6B 模型的函数调用不停广受各大开发者喜好。GLM-4-9B 模型的函数调用能力更是迎来了巨大的升级，相比上一代提升了 40%，在 Berkeley Function-Calling Leaderboard 上，GLM-4-9B 模型的 Function Call 能力与 GPT-4 不相上下。

All Tools 能力

“All Tools”即模型能够明白和利用一系列外部工具（比如代码执行、联网欣赏、画图、文件利用、数据库查询、API 调用等）来辅助复兴问题或完成任务。
在 1 月 16 日的 Zhipu DevDay 上，GLM-4 模型全线升级了 All Tools 能力，模型可以智能调用网页欣赏器、代码表明器、CogView 来完成用户的复杂哀求。

我们将这一功能带到了 GLM-4-9B 模型中，我们在开源堆栈中提供了一个完整的 All Tools Demo，用户可以在当地拥有一个轻量级的清言平替。
多模态能力

在强化文本能力的同时，我们初次推出了基于 GLM 基座的开源多模态模型 GLM-4V-9B。这一模型接纳了与 CogVLM2 相似的架构计划，能够处理高达 1120 x 1120 分辨率的输入，并通过降采样技术有效减少了 token 的开销。为了减小摆设与计算开销，GLM-4V-9B 没有引入额外的视觉专家模块，接纳了直接混淆文本和图片数据的方式进行练习，在保持文本性能的同时提升多模态能力。

在性能方面，GLM-4V-9B 模型显现了显著的优势。只管其参数量仅为 13B，但它成功地超越了很多参数量更大的开源模型。在浩繁任务中，GLM-4V-9B 的性能与 GPT-4V 不相上下。

以下两个 demo 展示了 GLM-4-9B 多模态能力。

在第一个示例中，我们要求模型辨认一件 T 恤上的公式印花。模型正确地辨认出这是麦克斯韦方程组，而且当我们进一步追问关于麦克斯韦方程组的细节时，模型能够依靠其文本处理能力给出复兴。这一过程证明白我们在引入多模态功能的同时，并未捐躯模型的文本处理能力。

在第二个示例中，我们输入了一个网页截图，并要求模型将其翻译成 HTML 代码。模型能够直接辨认截图中的元素，并输出相应的代码，显现了其在多模态任务中的实用性。
相关链接：

代码：
https://github.com/THUDM/GLM-4
模型：
Hugging Face：
https://huggingface.co/collections/THUDM/glm-4-665fcf188c414b03c2f7e3b7
魔搭社区：
https://modelscope.cn/organization/ZhipuAI

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。