license: mit language:

• zh
• en pipeline_tag: text-generation library_name: transformers

GLM-4-32B-Base-0414

模型介绍

GLM家族迎来新成员——GLM-4-32B-0414系列模型，参数规模达320亿。其性能与OpenAI的GPT系列、DeepSeek的V3/R1系列相当，同时支持非常友好的本地部署特性。GLM-4-32B-Base-0414基于15T高质量数据（含大量推理型合成数据）进行预训练，为后续强化学习扩展奠定了基础。在后训练阶段，我们针对对话场景进行了人类偏好对齐，并采用拒绝采样与强化学习等技术，增强了模型在指令跟随、工程代码和函数调用等方面的表现，从而强化了智能体任务所需的原子能力。GLM-4-32B-0414在工程代码、Artifact生成、函数调用、基于搜索的问答和报告生成等任务中均取得良好效果。特别在代码生成或特定问答任务等若干基准测试上，GLM-4-32B-Base-0414与GPT-4o、DeepSeek-V3-0324（671B）等更大规模模型表现相当。

GLM-Z1-32B-0414是具有深度思考能力的推理模型。该模型基于GLM-4-32B-0414通过冷启动、扩展强化学习，并在数学、代码和逻辑等任务上进一步训练开发而成。相比基础模型，GLM-Z1-32B-0414显著提升了数学能力和复杂任务解决能力。训练过程中我们还引入了基于成对排序反馈的通用强化学习，增强了模型的通用能力。

GLM-Z1-Rumination-32B-0414是具有反刍能力的深度推理模型（对标OpenAI的深度研究）。与典型深度思考模型不同，反刍模型能够进行更深层次、更长时间的思考，以解决更开放和复杂的问题（例如撰写两座城市AI发展对比分析及未来发展规划）。Z1-Rumination通过扩展端到端强化学习（响应由真实答案或评分标准分级）训练而成，并能在深度思考过程中使用搜索工具处理复杂任务。该模型在研究式写作和复杂任务上表现出显著提升。

最后，GLM-Z1-9B-0414是一个惊喜。我们运用了前述所有技术训练出一个小模型（9B）。GLM-Z1-9B-0414在数学推理和通用任务上展现出卓越能力，其综合表现在同规模开源模型中名列前茅。尤其在资源受限场景下，该模型实现了效率与效果的绝佳平衡，为追求轻量级部署的用户提供了有力选择。

功能展示

动画生成

网页设计

GLM-4-32B-0414	GLM-4-32B-0414
设计支持自定义函数绘制的画板，允许添加删除自定义函数，并为函数分配颜色	为移动端机器学习平台设计UI，需包含训练任务、存储管理和个人统计界面。个人统计界面需用图表展示用户某段时间内的资源使用情况。使用Tailwind CSS进行页面样式设计，并将这3个移动端界面平铺在单个HTML页面上展示

SVG生成

GLM-4-32B-0414	GLM-4-32B-0414
使用SVG创作烟雨江南场景	用SVG图示大语言模型的训练过程

基于搜索的写作

对于基于搜索的写作任务，我们使用以下系统提示词让模型根据搜索结果作答：

请根据所给搜索返回结果对用户问题进行作答。

## 注意
1. 充分利用和整理收集到的信息，而不是简单的复制粘贴，生成符合用户要求且有深度的专业答案。
2. 所提供信息充分的情况下，你的回答需尽可能延长，从用户意图角度出发，提供具有足够信息量和多角度的回复。
3. 另外，并非所有的搜索结果都与用户问题密切相关，请仔细的甄别、筛选和利用。
4. 客观类问答的答案通常非常简短，你可以适当补充一到两句相关信息，以丰富内容。
5. 请确保你的回复格式美观、可读性强。对于多实体对比或列举，善用列表格式来帮助用户更好的理解信息。
6. 除非用户要求，否则你回答的语言请于用户提问语言保持一致。
7. 在适当情况下在句子末尾使用例如:【0†source】的格式引用搜索结果。

使用时可通过RAG或WebSearch等方式获取搜索结果，并包装在observation中，例如：

[
    {
        "role": "user",
        "content": "探究儿童文学的普遍特征，重点分析其叙事手法和主题倾向。包括叙事手法：儿童文学中常见的叙事方式如第一人称、第三人称、全知叙述和互动叙事及其对年轻读者的影响。包括主题倾向：儿童文学中反复出现的主题如成长、冒险、友谊和家庭，分析这些主题如何影响儿童的认知和情感发展。此外还需考虑其他普遍特征如拟人化、重复语言、象征与隐喻的使用及教育意义。请基于学术研究、儿童文学经典案例和专家观点提供详细分析报告。"
    },
    {
        "role": "observation",
        "content": "【{id}†{title}†{url}】\n{content}"
    },
    ...
]

针对上述提示词，我们使用内部或外部搜索模型获取搜索结果。采用上文所示格式，可生成如下分析报告：