重磅：智谱AI推出新一代GLM系列模型，性能媲美千亿参数模型！分享一波深度体验
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
智谱GLM开源推理模型性能比肩世界先进水平，同时启用全球域名”z.ai”
智谱AI今日宣布GLM模型家族迎来新一代开源模型GLM-4-32B-0414系列，包含基座、推理、沉思模型权重，全部采用MITLicense授权。新版基座模型和推理模型已同步上线智谱MaaS平台，并可通过全新域名”z.ai”免费体验。
除模型开源外，推理模型GLM-Z1-32B与基础模型GLM-4-32B两款模型同步上线智谱MaaS开放平台（bigmodel.cn），面向企业与开发者提供API服务。
本次上线的基础模型有两个版本，包括GLM-4-Air-250414和GLM-4-Flash-250414，后者完全免费。
上线的推理模型分为三个版本，分别满足不同场景需求：
GLM-Z1-AirX（极速版）：国内最快推理模型，推理速度高达200tokens/s，8倍于常规速度；
GLM-Z1-Air（高性价比版）：价格仅为DeepSeek-R1的1/30，适合高频调用场景；
GLM-Z1-Flash（免费版）：支持免费使用，进一步降低模型使用门槛。
如下图所示，我们可以直接在智谱MaaS开放平台的体验中心来测试模型效果说实话这个推理速度真心快，尤其在对于推理模型来说体验更加友好了。下面是一个Z1推理模型实测的效果，基本上3-4秒就可以把思维链和答案内容回复完毕，终于不用花费大量时间等待推理模型思考了！
此次发布的推理模型GLM-Z1-Air/AirX-0414不仅性能比肩DeepSeek-R1等世界一流推理模型，且推理速度最高可达200Tokens/秒，成为国内迄今最快的商业模型。更令人瞩目的是，GLM-Z1-Air-0414的价格仅为DeepSeek-R1的1/30，极大降低了企业应用AI推理能力的成本门槛。
本次开源所有模型全部遵循更加宽松的MITLicense。免费商用，分发，让开发者更自由的使用和开发模型。开源模型有9B和32B两个尺寸，涵盖基座模型，推理模型和沉思模型，具体如下：
huggingface下载链接🔗：https ://huggingface.co/collections/THUDM/glm-4-0414-67f3cbcb34dd9d252707cb2e
基础模型GLM-4-32B以320亿参数量比肩更大参数量的国内外主流模型，该模型经过了15T高质量数据的预训练，其中包含大量推理类的合成数据，为后续的强化学习扩展打下了基础。
在后训练阶段，除了针对对话场景进行了人类偏好对齐外，我们还通过拒绝采样和强化学习等技术强化了模型在指令遵循、工程代码、函数调用方面的效果，旨在加强智能体任务所需的原子能力。
GLM-4-32B在工程代码、Artifacts生成、函数调用、搜索问答及报告等方面都取得了不错的效果，部分Benchmark甚至可以媲美更大规模的GPT-4o、DeepSeek-V3-0324（671B）等模型。
GLM-4-32B强化了代码生成能力，可以生成更为复杂的单文件代码。z.ai的对话模式中也支持对生成的HTML和SVG进行预览，便于用户查看生成效果并对内容进行进一步修改。后面实测会看到很多例子
GLM-Z1-32B是具有深度思考能力的推理模型，这是在GLM-4-32B的基础上，通过冷启动和扩展强化学习，以及在数学、代码和逻辑等任务上对模型的进一步训练得到的。相对于基础模型，GLM-Z1-32B显著提升了数理能力和解决复杂任务的能力。在训练的过程中，我们还引入了基于对战排序反馈的通用强化学习，进一步增强了模型的通用能力。
在部分任务的性能表现上，在仅使用32B参数的情况下，可与参数高达6710亿的DeepSeek-R1相媲美。我们在AIME24/25、LiveCodeBench、GPQA等基准测试中对GLM-Z1-32B进行了评估，评估结果显示GLM-Z1-32B展现了较为强大的数理推理能力，为更多复杂任务的解决提供了支持。
不同于一般的深度思考模型，沉思模型通过更长时间的深度思考来解决更开放和更复杂的问题，沉思模型还能在深度思考过程中结合搜索工具处理复杂任务，并利用多种规则型奖励来指导和扩展端到端强化学习训练。
支持“自主提出问题—搜索信息—构建分析—完成任务”的完整流程。
技术底座源自强化学习扩展与端到端的DeepResearch策略训练，具备博士级研究能力的潜力。
沉思模型在研究型写作和复杂检索任务上的能力得到了显著提升。
推理模型GLM-Z1-32B与基础模型GLM-4-32B同步上线智谱MaaS开放平台(bigmodel.cn)，面向企业与开发者提供API服务：
GLM-4-Air-250414：0.5元/M
GLM-4-Flash-250414：免费
GLM-Z1-AirX（极速版）：5元/M，推理速度高达200tokens/s，是常规速度的8倍
GLM-Z1-Air（高性价比版）：0.5元/M，价格为DeepSeek-R1的1/30
GLM-Z1-Flash（免费版）：完全免费使用
通过优化量化、投机采样技术，改进推理框架和调度平台性能，降低长思考对KVCache显存压力，实现更快推理速度和更大并发量。
智谱AI启用全新域名”z.ai”，该平台集成对话、推理与沉思三类GLM模型，自即日起向全球用户免费开放使用。
z.ai目前已上线三款开源模型：
GLM-4-32B（对话模型）：具备强大代码生成能力，支持全新Artifacts功能
Z1-32B（推理模型）：超强推理性能，在线体验最高达200Tokens/秒的极速输出
Z1-Rumination-32B（沉思模型）：驱动DeepResearch能力的强大模型
z.ai不仅是GLM模型的展示入口，也将持续演进为下一代AI应用平台，覆盖从文本生成、深度问答到多轮对话的智能场景，助力用户快速进行智能问答、信息检索与研究任务。
接下来我们通过z.ai平台来实测体验基座、推理、沉思模型效果。
作为程序员，我们会经常用到大模型来写代码，下面主要测试下基础模型GLM-4-32B的实战能力，我们从基础编程、前端开发，后端开发以及深度学习模型能力来测试。
创建一个Python函数来检查一个字符串是否是回文，并处理大小写和标点符号。
可以看到GLM-4-32B可以很轻松的写出来回文检测函数功能。
接下来我们通过贪心算法问题来测试基础编程能力
实现一个简单的贪心算法解决硬币找零问题，使用Python。
设计一个响应式导航栏，在手机上显示汉堡菜单，在桌面端显示完整菜单。使用HTML、CSS和JavaScript实现。
实现一个具有深色模式切换功能的个人作品集首页，包含项目展示、技能展示和联系表单。
这个效果属实经验到我了，回想之前本科毕业设计手撸Bootstrap模板了！
请帮我生成一个天气预测的页面，尽量和IOS风格保持一致
使用D3.js设计一个互动式疫情数据仪表板，展示不同地区的确诊病例、康复人数和死亡人数。
看了下对话界面，这个页面一共写了1000多行代码，这太惊人了，现在模型这么能写了吗！
请将对话文字内容做成一个html页面，尽量好看一些。
下面是我问了一个关于个性化减脂食谱：鸡胸肉芝士烤西兰花配蒜香猪肉的问题
然后我们将对话内容通过GLM-4-32B转为页面
这里有个有意思的地方是，竟然学会了配图，看了下是链接了一个图片链接，虽然匹配图片和内容不相关，有点神奇，难道是模型训练的时候把一些图片链接知识也学进去了，但是是没有上下文信息，也就是模态匹配能力，这个也可以理解。
创建一个PythonFastAPI服务，处理图片上传并进行简单的图像处理（如调整大小、旋转和应用滤镜）。
通过uvicornmain:app–reload可以完美的运行这个服务。
请帮我编写一个多头注意力机制代码，基于Pytorch实现[图片]
列出并解释解决非线性微分方程y’=y^2+x^2的步骤
如下图所示，左侧为思考过程右侧为答案，可以看到推理模型GLM-Z1-32B的思考能力特别强，并且解题逻辑思维比较清晰。
请解决这个组合数学问题：在一个有10人的团队中，需要选出一个3人委员会和一个4人委员会，两个委员会不能有重复的人。有多少种不同的选择方式？
设计一个只用天平（不用砝码）称量出8个外表完全相同的球中唯一一个重量不同的球，并确定它是比其他球重还是轻的最优策略
这个题目求解非常谨慎，并且思考过程比较久，在反复验证推理，避免出错，这个推理以及上下文吞吐能力很强大！
一个创业公司需要制定定价策略。市场调研显示，定价为p元时，预计每月销量为(1000-5p)。生产成本为每件20元，固定成本为5000元。请找出使利润最大化的定价策略，并分析不同假设条件下的变化。
提出一种新的可能的网络安全威胁，并设计对应的防御策略[图片]这个公式、过程推理以及表格生成都具备了，非常不错的例子！
解释为什么在寒冷地区的冬天，湖面会结冰但湖底的水仍然是液态
下面通过一个问题类体验下报告生成的过程：
请帮我调研一份关于检索增强生成（RAG）的综述
进行用户意图理解，针对这个问题，首先需要明白RAG的定义是什么
问题拆解以及需要生成的报告目录生成
信息递归检索
针对这个问题，从论文和博客两个角度检索了内容，我们可以看到会调用函数OpenLink来进行网页读取
报告结构生成
按照报告目录标题检索内容生成对应部分报告
更多模型库可以查看模型广场：https ://www.bigmodel.cn/console/modelcenter/square
添加微信，备注”LLM“进入大模型技术交流群
如果你觉得这篇文章对你有帮助，别忘了点个赞、送个喜欢
/作者：致Great
