剛剛，智譜一口氣開源6款模型，200 tokens/秒解鎖商用速度之最 | 免費

2025-04-15 12:16:17

人工智能開源

智譜一口氣上線并開源了三大類最新的GLM模型。

就在剛剛，智譜一口氣上線并開源了三大類最新的GLM模型：

沉思模型GLM-Z1-Rumination
推理模型GLM-Z1-Air
基座模型GLM-4-Air-0414

若是以模型大小（9B和32B）來劃分，更是可以細分為六款。

首先是兩個9B大小的模型：

GLM-4-9B-0414：主攻對話，序列長度介于32K到128K之間
GLM-Z1-9B-0414：主攻推理，序列長度介于32K到128K之間

還有四個32B大小的模型，它們分別是：

GLM-4-32B-Base-0414：基座模型，序列長度介于32K到128K之間
GLM-4-32B-0414：主攻對話，序列長度介于32K到128K之間
GLM-Z1-32B-0414：主攻推理，序列長度介于32K到128K之間
GLM-Z1-32B-Rumination-0414：主攻推理，序列長度為128K

而隨著一系列模型的開源，智譜也解鎖了一項行業(yè)之最——

推理模型GLM-Z1-32B-0414做到了性能與DeepSeek-R1等頂尖模型相媲美的同時，實測推理速度可達200 tokens/秒。

如此速度，已然是目前國內(nèi)商業(yè)模型中速度最快，而且它的高性價比版本價格也僅為DeepSeek-R1的1/30。

值得一提的是，本次開源的所有模型均采用寬松的MIT許可協(xié)議。

這就意味著上述的所有模型都可以免費用于商業(yè)用途、自由分發(fā)，為開發(fā)者提供了極大的使用和開發(fā)自由度。

那么這些開源模型的效果又如何？

先看性能

首先來看下GLM-4-32B-0414。

它是一款擁有320億參數(shù)的基座大模型，其性能足以比肩國內(nèi)外規(guī)模更大的主流模型。

據(jù)了解，這個模型基于15T高質(zhì)量數(shù)據(jù)進行預訓練，其中特別融入了大量推理類合成數(shù)據(jù)，為后續(xù)強化學習擴展提供了堅實基礎。

在后訓練階段，智譜團隊不僅完成了對話場景的人類偏好對齊，還運用拒絕采樣和強化學習等先進技術，重點提升了模型在指令理解、工程代碼生成、函數(shù)調(diào)用等關鍵任務上的能力，從而顯著增強了智能體執(zhí)行任務的核心素質(zhì)。

實際測試表明，GLM-4-32B-0414在工程代碼編寫、Artifacts生成、函數(shù)調(diào)用、搜索問答及報告撰寫等多個應用場景均展現(xiàn)出色表現(xiàn)。

部分基準測試指標已達到或超越 GPT-4o、DeepSeek-V3-0324（671B）等更大規(guī)模模型的水平。

從實測效果來看，GLM-4-32B-0414進一步提升了代碼生成能力，可處理并生成結構更復雜的單文件代碼。

例如來上這么一段Prompt：

用HTML模擬太陽系的行星運動。

再如：

設計一個支持自定義函數(shù)繪制的繪圖板，可以添加和刪除自定義函數(shù)，并為函數(shù)指定顏色。

以及設計一個小游戲也是不在話下：

用HTML網(wǎng)頁實現(xiàn)2048小游戲。

圖片

再來看下GLM-Z1-32B-0414的性能，一款專為深度推理優(yōu)化的模型。

這個模型在GLM-4-32B-0414的基礎上，采用了冷啟動結合擴展強化學習的策略，并針對數(shù)學推導、代碼生成、邏輯推理等高難度任務進行了專項優(yōu)化，顯著提升了復雜問題的解決能力。

此外，它還通過引入基于對戰(zhàn)排序反饋的通用強化學習（RLHF），模型的泛化能力得到進一步強化。

盡管僅擁有32B參數(shù)，GLM-Z1-32B-0414在部分任務上的表現(xiàn)已可媲美 671B 參數(shù)的DeepSeek-R1。

在AIME 24/25、LiveCodeBench、GPQA等權威基準測試中，該模型展現(xiàn)出卓越的數(shù)理推理能力，能夠高效應對更廣泛、更具挑戰(zhàn)性的復雜任務。

接下來，是更小規(guī)模的GLM-Z1-9B-0414，在技術上是沿用了上述模型的方法。

雖然只有9B大小，但它在數(shù)學推理及通用任務上展現(xiàn)出超越參數(shù)規(guī)模的卓越性能，綜合表現(xiàn)穩(wěn)居同量級開源模型前列。

尤其值得關注的是，在資源受限的應用場景中，該模型能夠高效平衡計算效率與推理質(zhì)量，為輕量化AI部署提供了極具競爭力的解決方案。

最后，再來看下沉思模型GLM-Z1-Rumination-32B-0414。

這個模型可以說是智譜對AGI未來形態(tài)的一個探索。

沉思模型采用與傳統(tǒng)推理模型截然不同的工作范式，通過多步深度思考機制有效應對高度開放性和復雜性問題。

其核心突破體現(xiàn)在三個方面：

在深度推理過程中智能調(diào)用搜索工具處理復雜子任務；
創(chuàng)新性地引入多維度規(guī)則獎勵體系，實現(xiàn)端到端強化學習的精準引導與擴展；
完整支持”問題發(fā)現(xiàn)→信息檢索→邏輯分析→任務解決”的研究閉環(huán)系統(tǒng)。

這些技術創(chuàng)新使該模型在學術寫作、深度研究等需要復雜認知能力的任務上展現(xiàn)出顯著優(yōu)勢。

例如讓它回答一個科學假設推演問題：

如果人類在火星地下發(fā)現(xiàn)液態(tài)湖泊中存在類似地球古菌的微生物，請推測：(1) 這些微生物可能如何適應極端環(huán)境？(2) 這一發(fā)現(xiàn)對‘生命起源泛種論’的支持/反駁證據(jù)有哪些？(3) 設計一個可驗證這些假說的空間實驗方案（預算限制5億美元）。