除此之外，GLM-4大幅提升了智能体能力，GLM-4 All Tools 实现自主根据用户意图，自动理解、规划复杂指令，自由调用网页浏览器、Code Interpreter代码解释器和多模态文生图大模型以完成复杂任务。GLMs 个性化智能体定制功能亦同时上线，用户用简单的提示词指令就能创建属于自己的 GLM 智能体。
演讲中，张鹏回顾了大模型行业和智谱 AI 过去五年的发展历程。他坦言，由于起步晚、算力受限等因素的制约，今天国内大模型与国外最先进的团队还有将近一年的差距。张鹏没有回避智谱 AI 依然是「追赶者」的事实。而拿出性能非常逼近 GPT-4 的 GLM-4，智谱 AI 已经践行了自己去年年初定下的承诺。
GLM-4：多模态、长文本、智能体
智谱 AI 表示，此次发布的 GLM-4，在多个评测集上性能已接近或超过GPT-3.5，个别项目上几乎持平GPT-4。其中以下四个能力更新，是 GLM-4 最大的亮点：
- 多模态能力：推出了CogView3代，效果超过开源SD模型，逼近 DALLE-3。
- All Tools能力：GLM-4能自主理解复杂指令，自由调用WebGLM搜索增强、Code Interpreter代码解释器和多模态生成能力，完成复杂任务。
- GLMs个性化智能体定制：用户可以通过智谱清言官方网站创建属于自己的GLM智能体，无需编程基础。
- MaaS平台和API：GLM-4登陆了Maas平台，提供API访问，支持开发者内测Assistant API。
具体来说，GLM-4可以支持128k的上下文窗口长度，单次提示词可以处理的文本可以达到300页。同时，在needle test（大海捞针）测试中，128K文本长度内GLM-4 模型均可做到几乎100%的精度召回，并未出现长上下文全局信息因为失焦而导致的精度下降问题。同时，多模态能力方面，文生图和多模态理解都得到了增强。
GLM-4多模态能力展示｜ 图片来源：智谱AI
此外，GLM-4的All Tools能力全新发布。得益于GLM模型的强大Agent能力，GLM-4实现了自主根据用户意图，自动理解、规划复杂指令，自由调用网页浏览器、Code Interpreter代码解释器和文生图CogView3模型。
同时，GLM-4 通过代码解释器，会自动调用代码解释器进行复杂的方程或者微积分求解。对比GSM8K、Math以及Math23K三个数据集上的结果，GLM-4 All Tools取得和GPT-4 All Tools相当的效果。GLM-4的All Tools能力完全自动，而且可以处理各种任务，比如包括文件处理、数据分析、图表绘制等复杂任务，支持处理 Excel、PDF、PPT 等格式的文件。
为降低大模型使用门槛，GLMs个性化智能体定制能力也同步上线。基于GLM-4模型的强大能力，用户只要登录智谱清言官方网站，用简单的提示词指令就能创建属于自己的GLM智能体。
并且，用户可以通过全新上线的智能体中心分享自己创建的各种智能体。GLM 模型智能体的推出，标志着任何人都能够自由运用 GLM-4 模型并挖掘它的潜力，即使没有任何编程基础，也能够实现大模型的便捷开发，这也是扩大大模型开发者社区生态的一次进步。
此前，智谱AI分别联合CCF中国计算机学会、中国中文信息学会社会媒体处理专委会发起了CCF-智谱大模型基金、SMP-智谱大模型交叉学科基金，用于支持大模型理论、算法、模型、应用等相关研究和跨领域交叉创新。
去年，两支基金为来自全国三十余所高校参与的41个研究项目累计提供了超1000万元现金和算力资源的科研支持。
2024年，智谱AI也将发起开源开放的大模型开源基金，该计划包括三个“一千”：
- 智谱AI将为大模型开源社区提供一千张卡，助力开源开发；
- 提供1000万元的现金用来支持与大模型相关的开源项目；
- 为优秀的开源开发者提供1000亿免费API tokens。
张鹏表示，大模型开源基金的目的在于推动大模型研发的大进展，促进大模型整个开源生态的大繁荣。面对全球的大模型创业者，智谱AI也将“Z计划”进一步升级，联合生态伙伴发起总额10亿人民币的大模型创业基金用于支持大模型原始创新，覆盖大模型算法、底层算子、芯片优化、行业大模型和超级应用等方向。
2024 年是 AGI 元年，但路还长
在上午的演讲中，智谱 AI CEO 张鹏谈到，大模型是当前人工智能研究和应用的热点，被认为是通向通用人工智能的关键途径，也是国际科技竞争的焦点。从2017年的Transformer架构，到BERT、GPT系列等模型的推出，这些年来，大模型在算法创新、模型规模和应用领域都取得了显著进步，刚刚到来的 2024 年是 AGI 元年，但路还很长。
在演讲中，张鹏回顾了大模型行业和智谱，在过去5年的发展历程：
智谱AI CEO张鹏 ｜ 图片来源：智谱AI
2018-2020：大模型的算法创新年
2017年，谷歌提出了Transformer机器学习模型架构，迅速席卷了整个人工智能研究领域，成为自然语言处理等相关研究的主要方法，2018到2020年，业内先后出现了BERT、GPT/GPT-2/GPT-3、T5等基于大规模无标注数据自监督学习的大规模预训练算法，可以说 2018-2020 年是大模型的算法创新年，在这段时间，智谱AI研发了属于自己的算法GLM。
2020-2022年：模型之争开始
2020到2022年，模型之争开始，基于各种预训练模型框架和开源项目，各种模型如雨后春笋般诞生。2020年的GPT-3，拥有1750亿参数，可以被视作这一战的起点，它开启了基座模型的全新时代，其在语言生成、上下文学习和知识理解等方面展现出惊人能力。
随后全球范围内掀起了一股大模型研究和研发的热潮，谷歌、Meta等国际领先公司开始不断发布百亿到千亿规模的大型语言模型，例如Gopher（2021年）、Chinchilla（2022年）、PaLM（2022年）、Claude（2022年）等等，但是这些模型都不开源，因此开源大语言模型也开始受到关注，比如Meta的OPT（2022年）、BLOOM（2022年）、LLAMA（2023年）。
智谱AI则选择在2022年开源了自己的千亿基座模型GLM-130B，这一工作引起了全世界范围的关注，包括顶尖高校斯坦福，还有公司Google、OpenAI、apple、meta都对智谱AI的模型进行了深入分析和对比。
2023年：大模型出圈
2023年，ChatGPT 推出后，大模型开始火出圈，被公众广为所知。大模型的发展不再仅限于模型的训练，更重要的是如何实现模型的产业化应用落地，大模型开始在各个领域开花并且结果。
智谱AI在2023年这一年当中基于GLM-130B研发了ChatGLM，历经3个版本的迭代，逐步具备了多模态理解、代码解释、网络搜索增强等新功能。随后智谱AI联合合作伙伴，在一年来实现了广泛的商业应用落地。
在回顾完过去5年来大模型的发展后，张鹏也总结称必须承认的一点是，和国外大模型相比，国内的大模型发展起步晚一些，加上高性能算力的限制和数据质量的差距等等，国内研发的大模型无论规模还是核心能力，与世界先进水平还存在一年左右的差距。
去年年初智谱AI承诺，「2023年底智谱AI要实现逼近最先进的GPT-4性能的全栈自主创新的GLM-4」，作为一年前定下的目标，今天可以看到，GLM-4性能已得到明显的提升，而「从标准的大模型评测角度看，整体上我们已经逼近了GPT-4」。
津公网安备12011002023007号