开源协议: mit
语言:

• 中文
• 英语
  任务类型: 文本生成
  库名称: transformers

GLM-4-9B-0414

模型介绍

GLM家族迎来新成员——GLM-4-32B-0414系列模型，拥有320亿参数规模。其性能表现与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高质量数据预训练，其中包含大量推理型合成数据，这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，同时采用拒绝采样、强化学习等技术手段，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上取得良好效果。特别是在代码生成或特定问答任务等若干基准测试中，GLM-4-32B-Base-0414与GPT-4o、DeepSeek-V3-0324(671B)等更大规模模型相比取得了相当的性能。

GLM-Z1-32B-0414是具有深度思考能力的推理模型。这是在GLM-4-32B-0414基础上通过冷启动、扩展强化学习，并针对数学、代码和逻辑等任务进一步训练得到的。与基础模型相比，GLM-Z1-32B-0414显著提升了数学能力和解决复杂任务的能力。在训练过程中，我们还引入了基于成对排序反馈的通用强化学习，从而增强了模型的通用能力。

GLM-Z1-Rumination-32B-0414是具有反刍思维能力的深度推理模型（对标OpenAI的深度研究）。与典型的深度思考模型不同，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（例如撰写两个城市人工智能发展对比分析及未来发展方案）。Z1-Rumination通过按真实答案或评分标准对响应分级的端到端强化学习扩展训练而成，并能在深度思考过程中使用搜索工具来处理复杂任务。该模型在研究式写作和复杂任务方面表现出显著提升。

最后，GLM-Z1-9B-0414是一个惊喜。我们采用上述所有技术训练了一个小模型（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。特别是在资源受限场景下，该模型在效率与效果之间取得了极佳平衡，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
设计一个支持自定义函数绘制的画板，允许添加和删除自定义函数，并为函数分配颜色	为移动机器学习平台设计UI，应包括训练任务、存储管理和个人统计界面。个人统计界面应使用图表展示用户一段时间内的资源使用情况。使用Tailwind CSS设计页面样式，并将这3个移动界面平铺在单个HTML页面上

SVG生成

GLM-4-32B-0414	GLM-4-32B-0414
使用SVG创作一幅烟雨江南场景	使用SVG图解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": "探讨儿童文学的普遍特征，重点关注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手法如第一人称、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，其他普遍特征如拟人化、重复语言、象征与隐喻、教育意义也应考虑。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，我们使用内部或外部搜索模型获取搜索结果。采用上述格式后，可生成如下分析报告：