本文作者：AIGCmagic社区   刘一手

在昨天的智谱小型品牌活动OpenDay上，智谱公司再次展现了其在人工智能领域的创新实力，推出了第四代GLM系列开源模型：GLM-4-9B。这一系列包括了多个版本，旨在满足不同应用场景的需求。 基础版本GLM-4-9B（8K）适用于一般的自然语言处理任务，对话版本GLM-4-9B-Chat（128K）则专为对话系统设计，能够处理更复杂的交互。此外，超长上下文版本GLM-4-9B-Chat-1M（1M）和多模态版本GLM-4V-9B-Chat（8K）分别针对长文本处理和多模态交互提供了专业的解决方案。

与之前发布的开源模型ChatGLM-6B相比，GLM-4-9B的参数数量略有增加，预训练计算量更是增加了5倍。然而，尽管性能有所提升，智谱公司依然确保了这一新模型能在大多数用户的显存上顺利运行，这一点体现了智谱在平衡性能与可用性方面的卓越能力。

经过技术升级后，GLM-4-9B模型在推理性能上有了显著提升。它能够更快速、更准确地处理复杂的自然语言输入，这对于提升用户体验和效率至关重要。同时，该模型具备了更长的上下文处理能力，这意味着它能够更好地理解和处理长篇文章或对话，从而在需要处理大量信息的场景中发挥更大的作用。

此外，GLM-4-9B的多语言能力是其另一个亮点。在全球化日益加深的今天，能够处理和理解多种语言的AI模型变得越来越重要。GLM-4-9B的这一特性使其能够服务于更广泛的用户群体，满足不同语言环境下的需求。

多模态处理能力是GLM-4-9B的又一重要特点。在当今的信息时代，数据不仅以文本形式存在，还包括图像、声音等多种形式。GLM-4-9B能够处理和理解这些不同类型的数据，为用户提供更加丰富和全面的交互体验。 All Tools的集成进一步增强了GLM-4-9B的功能。这一特性使得模型能够利用各种工具和资源，以更智能、更高效的方式解决问题，从而在实际应用中发挥更大的作用。

基于其强大的预训练基础， GLM-4-9B模型在综合性能上相比ChatGLM3-6B有了显著的提升，特别是在中英文处理能力上。具体来说，GLM-4-9B的中英文综合性能提升了40%，这一改进在实际应用中尤为显著，无论是处理中文文本还是英文文本，都能更加精准和高效 。

在 中文对齐能力AlignBench的测试 中，GLM-4-9B展现出了卓越的性能。中文对齐能力是指模型理解和处理中文文本的能力，这对于处理中文语境中的复杂性和多样性至关重要。GLM-4-9B在这一方面的显著提升，意味着它能够更好地理解和处理中文文本，从而为中文用户带来更优质的服务。

在 指令遵从IFeval的测试中 ，GLM-4-9B同样表现出色。指令遵从能力是指模型按照用户指令执行任务的能力，这对于提升用户体验和任务执行效率至关重要。GLM-4-9B在这一方面的提升，表明它能够更准确地理解和执行用户的指令，从而在实际应用中发挥更大的作用。

在 工程代码Natural Code Bench的测试中 ，GLM-4-9B同样取得了显著的提升。工程代码能力是指模型处理和理解编程代码的能力，这对于辅助开发者进行编程和代码审查等任务非常重要。GLM-4-9B在这一方面的改进，意味着它能够更好地服务于开发者，提升开发效率和代码质量。

与 训练量更多的Llama 3 8B模型相比 ，GLM-4-9B在性能上毫不逊色。在英文处理方面，GLM-4-9B甚至展现出了小幅领先，这表明智谱在英文自然语言处理领域的技术已经达到了国际先进水平。而在中文学科方面，GLM-4-9B的提升更为显著，达到了50%，这进一步证明了智谱在中文学科处理方面的领先地位。

GLM-4-9B模型的上下文处理能力 从128K扩展到了1M tokens ，这一显著提升意味着模型能够同时处理高达200万字的输入数据。为了更直观地理解这一数字，我们可以将其与一些著名的文学作品或学术资料进行比较。 200万字大约相当于两本《红楼梦》的长度，或者125篇标准的学术论文 。这样的处理能力，对于需要处理大量文本数据的应用场景来说，无疑是一大突破。

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 ，这一实验旨在测试模型在处理极长文本时的性能和准确性。实验结果显示， GLM-4-9B-Chat-1M展现出了出色的无损处理能力 。即使在处理如此长的文本时，模型依然能够保持高效和准确，这对于许多实际应用场景来说是非常重要的。

例如，在学术研究、法律文档分析、长篇小说创作等领域，往往需要处理大量的文本数据。GLM-4-9B-Chat-1M的这种强大处理能力，使得它能够帮助用户快速准确地分析和理解这些长文本，从而提高工作效率和研究成果的质量。

此外，这种强大的上下文处理能力也为开发更加智能的对话系统提供了可能。在对话系统中， 能够理解和处理长篇对话对于保持对话的连贯性和准确性至关重要 。GLM-4-9B-Chat-1M的这种能力，使得它能够更好地模拟人类的对话方式，提供更加自然和流畅的交互体验。

GLM-4-9B模型支持多达26种语言，包括汉语、英语、俄语、西班牙语、德语、法语等 ，这一多语言支持能力显著提升了模型的适用范围和实用性。在全球化的背景下，能够处理和理解多种语言的AI模型变得越来越重要。GLM-4-9B的这一特性使其能够服务于更广泛的用户群体，满足不同语言环境下的需求，这对于促进跨文化交流和国际合作具有重要意义。

智谱公司通过开源策略积累了一批忠实用户，其开源模型的累计下载量高达1600万次，成为全球大模型开源生态中一股不可忽视的中国力量。第四代GLM-4-9B开源模型的推出，进一步巩固了智谱在开源领域的影响力。开源不仅能够吸引用户，还能够创建一个活跃的生态系统，促进技术的创新和发展。

在当前大模型发展的阶段，持续训练出优秀的基座模型并持续开源，是吸引用户、创建生态最稳健的策略 。通过这种方式，智谱能够不断改进其模型，同时也能够吸引更多的开发者和研究人员参与到模型的改进和应用中来，从而实现用户的留存和生态的繁荣。

智谱GLM大模型首次推出一键微调，包括LoRA微调和全参微调。用户只需要三步，准备训练数据、创建微调任务、部署微调模型，就能拥有自己的私有模型。 这一创新功能大大降低了用户使用和定制模型的门槛，提升了用户体验，进一步巩固了智谱在市场上的领先地位。

文章最后，一手觉得：GLM-4-9B的推出不仅巩固了智谱在AI领域的领先地位，也为整个行业的发展树立了新的标杆。它的成功实践将激励更多企业和研究机构投入到开源和人工智能技术的研究与开发中，推动整个行业的进步。 AIGC的终极目标是实现AGI星辰大海 。

推荐阅读:

《AIGCmagic星球》，五大AIGC方向正式上线！让我们在AIGC时代携手同行！限量活动

《三年面试五年模拟》版本更新白皮书，迎接AIGC时代

AIGC |「多模态模型」系列之OneChart：端到端图表理解信息提取模型

AI多模态模型架构之模态编码器：图像编码、音频编码、视频编码

AI多模态模型架构之输入投影器：LP、MLP和Cross-Attention

AI多模态教程：从0到1搭建VisualGLM图文大模型案例

而在中文学科方面，GLM-4-9B的提升更为显著，达到了50%，这进一步证明了智谱在中文学科处理方面的领先地位。GLM-4-9B在这一方面的提升，表明它能够更准确地理解和执行用户的指令，从而在实际应用中发挥更大的作用。，GLM-4-9B同样取得了显著的提升。文章最后，一手觉得：GLM-4-9B的推出不仅巩固了智谱在AI领域的领先地位，也为整个行业的发展树立了新的标杆。GLM-4-9B-Chat-1M的这种能力，使得它能够更好地模拟人类的对话方式，提供更加自然和流畅的交互体验。